論文の概要: Generation and Robustness of Quantum Entanglement in Spin Graphs

• arxiv url: http://arxiv.org/abs/2002.07683v2
• Date: Mon, 4 Jan 2021 12:14:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-03 07:10:58.328213
• Title: Generation and Robustness of Quantum Entanglement in Spin Graphs
• Title（参考訳）: スピングラフにおける量子絡み合いの生成とロバスト性
• Authors: Jan Riegelmeyer, Dan Wignall, Marta P. Estarellas, Irene D'Amico, and Timothy P. Spiller
• Abstract要約: 絡み合いは量子情報処理にとって重要な資源である。 グラフ構造を用いて高忠実な絡み合った状態を生成する方法を示す。 また,製造誤差が絡み合い発生プロトコルに与える影響についても検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Entanglement is a crucial resource for quantum information processing, and so protocols to generate high fidelity entangled states on various hardware platforms are in demand. While spin chains have been extensively studied to generate entanglement, graph structures also have such potential; however, only a few classes of graphs have been explored for this specific task. In this paper, we apply a particular coupling scheme involving two different coupling strengths to a graph of two interconnected $3\times3$ square graphs such that it effectively contains three defects. We show how this structure allows generation of a Bell state whose fidelity depends on the chosen coupling ratio. We apply partitioned graph theory in order to reduce the dimension of the graph and show that, using a reduced graph or a reduced chain, we can still simulate the same protocol with identical dynamics. Finally, we investigate how fabrication errors affect the entanglement generation protocol and how the different equivalent structures are affected, finding that for some specific coupling ratios they are extremely robust.
• Abstract（参考訳）: 絡み合いは量子情報処理にとって重要なリソースであり、様々なハードウェアプラットフォーム上で高忠実な絡み合い状態を生成するプロトコルが要求されている。 スピン鎖は絡み合いを生成するために広範囲に研究されてきたが、グラフ構造もそのような可能性を持っている。 本稿では、2つの異なる結合強度を含む特定の結合スキームを、2つの相互接続された3\times3$平方グラフのグラフに適用し、3つの欠陥を効果的に含むようにする。 本稿では,この構造が選択結合比に依存するベル状態の生成を可能にすることを示す。 グラフの次元を小さくするために分割グラフ理論を適用し、縮小グラフや縮小連鎖を用いることで、同じダイナミックスで同じプロトコルをシミュレートできることを示す。 最後に, 製造誤差がエンタングルメント生成プロトコルにどのように影響するか, また, 異なる等価構造がどのような影響を与えるかを検討した。

関連論文リスト

• Many-body quantum resources of graph states [0.0]
  複素多体系の非古典的相関を特徴づけることは量子技術の重要な部分である。 我々は、辺を持つ星グラフ状態、ターアングラフ、$r$ary木グラフ、および正方形格子クラスタ状態の4つの位相を考える。 グラフ状態における多体絡み合う深さは、局所変換やグラフ同型では同値でない146$クラスの最大8$ qubitsで特徴づける。
  論文  参考訳（メタデータ） (2024-10-16T12:05:19Z)
• InstructG2I: Synthesizing Images from Multimodal Attributed Graphs [50.852150521561676]
  InstructG2Iと呼ばれるグラフ文脈条件拡散モデルを提案する。 InstructG2Iはまずグラフ構造とマルチモーダル情報を利用して情報的隣人サンプリングを行う。 Graph-QFormerエンコーダは、グラフノードをグラフプロンプトの補助セットに適応的に符号化し、デノナイジングプロセスを導く。
  論文  参考訳（メタデータ） (2024-10-09T17:56:15Z)
• Graph Transformer GANs with Graph Masked Modeling for Architectural Layout Generation [153.92387500677023]
  本稿では,グラフノード関係を効果的に学習するために,GTGAN(Graph Transformer Generative Adversarial Network)を提案する。 提案したグラフ変換器エンコーダは、局所的およびグローバルな相互作用をモデル化するために、Transformer内のグラフ畳み込みと自己アテンションを組み合わせる。 また,グラフ表現学習のための自己指導型事前学習手法を提案する。
  論文  参考訳（メタデータ） (2024-01-15T14:36:38Z)
• Bell pair extraction using graph foliage techniques [0.0]
  私たちは、複数のペアがネットワーク間で同時に通信できるかどうかに興味を持っています。 量子ネットワークはグラフ状態で表すことができ、グラフ状態上で特定の量子演算を実行するための通信リンクを生成することができる。
  論文  参考訳（メタデータ） (2023-11-25T22:33:29Z)
• NodeFormer: A Scalable Graph Structure Learning Transformer for Node Classification [70.51126383984555]
  本稿では,任意のノード間のノード信号を効率的に伝搬する全ペアメッセージパッシング方式を提案する。 効率的な計算は、カーナライズされたGumbel-Softmax演算子によって実現される。 グラフ上のノード分類を含む様々なタスクにおいて,本手法の有望な有効性を示す実験を行った。
  論文  参考訳（メタデータ） (2023-06-14T09:21:15Z)
• GrannGAN: Graph annotation generative adversarial networks [72.66289932625742]
  本稿では,高次元分布をモデル化し,グラフスケルトンと整合した複雑な関係特徴構造を持つデータの新しい例を生成することの問題点を考察する。 提案するモデルは,タスクを2つのフェーズに分割することで,各データポイントのグラフ構造に制約されたデータ特徴を生成する問題に対処する。 第一に、与えられたグラフのノードに関連する機能の分布をモデル化し、第二に、ノードのフィーチャに条件付きでエッジ機能を補完する。
  論文  参考訳（メタデータ） (2022-12-01T11:49:07Z)
• Graph Pooling with Maximum-Weight $k$-Independent Sets [12.251091325930837]
  最大ウェイト$k$非依存集合のグラフ理論的概念に基づくグラフ粗化機構を導入する。 我々は、経路長の歪み境界の理論的保証と、粗化グラフにおける重要な位相特性を保存できることを証明した。
  論文  参考訳（メタデータ） (2022-08-06T14:12:47Z)
• Effects of Graph Convolutions in Deep Networks [8.937905773981702]
  多層ネットワークにおけるグラフ畳み込みの効果に関する厳密な理論的理解を示す。 単一のグラフ畳み込みは、多層ネットワークがデータを分類できる手段間の距離のレギュレーションを拡大することを示す。 ネットワーク層間の異なる組み合わせに配置されたグラフ畳み込みの性能に関する理論的および実証的な知見を提供する。
  論文  参考訳（メタデータ） (2022-04-20T08:24:43Z)
• Partition and Code: learning how to compress graphs [50.29024357495154]
  まず、分割アルゴリズムがグラフを基本構造に分解し、これらを確率分布を学習する小さな辞書の要素にマッピングし、エントロピーエンコーダが表現をビットに変換する。 提案アルゴリズムは,非パラメトリックおよびパラメトリックグラフ圧縮器の異なるファミリーに対して,多種多様な実世界のネットワーク上で定量的に評価し,大幅な性能向上を実現している。
  論文  参考訳（メタデータ） (2021-07-05T11:41:16Z)
• Factorizable Graph Convolutional Networks [90.59836684458905]
  本稿では,グラフに符号化された相互に絡み合った関係を明示的に解消する新しいグラフ畳み込みネットワーク(GCN)を提案する。 FactorGCNは単純なグラフを入力として取り、それをいくつかの分解グラフに分解する。 提案したFacterGCNは,合成および実世界のデータセットに対して質的かつ定量的に評価する。
  論文  参考訳（メタデータ） (2020-10-12T03:01:40Z)
• Verification of graph states in an untrusted network [0.0]
  我々は、信頼できない情報源が生成し、おそらく不名誉な関係者のネットワーク間で共有されるグラフ状態の検証について検討する。 これは、様々な分散タスクに対するグラフ状態の適用の証明に影響を及ぼす。 有用なグラフ状態の大規模なファミリに対して,グローバルに効率的なプロトコルを提案する。
  論文  参考訳（メタデータ） (2020-07-26T13:17:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。