Fugu-MT 論文翻訳(概要): Diagrammatic technique for simulation of large-scale quantum repeater networks with dissipating quantum memories

論文の概要: Diagrammatic technique for simulation of large-scale quantum repeater networks with dissipating quantum memories

arxiv url: http://arxiv.org/abs/2009.10415v1
Date: Tue, 22 Sep 2020 09:33:23 GMT
ステータス: 処理完了
システム内更新日: 2023-05-01 07:17:48.881151
Title: Diagrammatic technique for simulation of large-scale quantum repeater networks with dissipating quantum memories
Title（参考訳）: 分散量子メモリを用いた大規模量子リピータネットワークシミュレーションのためのダイアグラム手法
Authors: Viacheslav V. Kuzmin, Denis V. Vasilyev
Abstract要約: V. V. Kuzmin et.al., npj Quantum Information 5, 115] で最近考案された大規模量子リピータネットワークの半解析的記述のための図解法の詳細について述べる。
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: We present a detailed description of the diagrammatic technique, recently devised in [V. V. Kuzmin et.al., npj Quantum Information 5, 115 (2019)], for semi-analytical description of large-scale quantum-repeater networks. The technique takes into account all essential experimental imperfections, including dissipative Liouville dynamics of the network quantum memories and the classical communication delays. The results obtained with the semi-analytic method match the exact Monte Carlo simulations while the required computational resources scale only linearly with the network size. The presented approach opens new possibilities for the development and efficient optimization of future quantum networks.
Abstract（参考訳）: V. V. Kuzmin et.al., npj Quantum Information 5, 115 (2019)] で最近考案された大規模量子リピータネットワークの半解析的記述のための図解法について詳述する。この技術は、ネットワーク量子メモリの消散的リウヴィルダイナミクスや古典的な通信遅延など、すべての重要な実験的欠陥を考慮に入れている。半解析法により得られた結果はモンテカルロシミュレーションと一致し、必要な計算資源はネットワークサイズと線形にしかスケールしない。提案手法は将来の量子ネットワークの開発と効率的な最適化の新たな可能性を開く。

関連論文リスト

Quantum-Train with Tensor Network Mapping Model and Distributed Circuit Ansatz [0.8192907805418583]
量子トレイン(Quantum-Train、QT)は、量子古典機械学習のハイブリッドフレームワークである。量子状態の測定を古典的なニューラルネットワークの重みにマッピングする。従来のQTフレームワークでは、このタスクにマルチレイヤパーセプトロン(MLP)を採用しているが、スケーラビリティと解釈可能性に苦慮している。複数の小さな量子処理ユニットノードを持つ大規模量子機械学習用に設計された分散回路アンサッツを提案する。
論文参考訳（メタデータ） (2024-09-11T03:51:34Z)
Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文参考訳（メタデータ） (2024-08-22T08:21:28Z)
Enhancing the expressivity of quantum neural networks with residual connections [0.0]
量子残差ニューラルネットワーク(QResNets)を実装する量子回路に基づくアルゴリズムを提案する。我々の研究は、古典的残留ニューラルネットワークの完全な量子的実装の基礎を築いた。
論文参考訳（メタデータ） (2024-01-29T04:00:51Z)
Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文参考訳（メタデータ） (2022-12-21T19:00:04Z)
DQC$^2$O: Distributed Quantum Computing for Collaborative Optimization in Future Networks [54.03701670739067]
本稿では、将来のネットワークにおける最適化タスクを解決するために、量子コンピュータと量子チャネルを管理するための適応型分散量子コンピューティング手法を提案する。提案手法に基づいて,スマートグリッド管理やIoT連携,UAV軌道計画など,今後のネットワークにおける協調最適化の潜在的な応用について論じる。
論文参考訳（メタデータ） (2022-09-16T02:44:52Z)
Quantum Annealing for Neural Network optimization problems: a new approach via Tensor Network simulations [0.0]
量子アニーリング(QA)は、量子最適化の最も有望なフレームワークの1つである。本稿では,QAの断熱時間進化を適切なネットワークとして効率的に表現できることを示す。マトリックス製品状態(MPS)として表現された最適化状態が量子回路に再キャスト可能であることを示す。
論文参考訳（メタデータ） (2022-08-30T18:00:14Z)
Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文参考訳（メタデータ） (2021-05-30T12:19:27Z)
The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文参考訳（メタデータ） (2021-03-08T17:24:29Z)
SeQUeNCe: A Customizable Discrete-Event Simulator of Quantum Networks [53.56179714852967]
この研究は、包括的でカスタマイズ可能な量子ネットワークシミュレータであるSeQUeNCeを開発した。本研究では,9つのルータに量子メモリを具備したフォトニック量子ネットワークをシミュレートし,SeQUeNCeの利用を実証する。オープンソースツールとしてSeQUeNCeをリリースしています。
論文参考訳（メタデータ） (2020-09-25T01:52:15Z)
Autoregressive Transformer Neural Network for Simulating Open Quantum Systems via a Probabilistic Formulation [5.668795025564699]
オープン量子システムのダイナミクスに対処するためのアプローチを提案する。自己回帰変換ニューラルネットワークを用いて量子状態をコンパクトに表現する。効率的なアルゴリズムは、リウヴィリア超作用素の力学をシミュレートするために開発された。
論文参考訳（メタデータ） (2020-09-11T18:00:00Z)

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。