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
- 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) - Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる
本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。
その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
論文 参考訳(メタデータ) (2022-09-01T17:08:41Z) - 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 Compressive Sensing: Mathematical Machinery, Quantum Algorithms,
and Quantum Circuitry [10.286119086329762]
圧縮センシングは、比較的少数の測定値から大きな信号の再構成を容易にするプロトコルである。
近年の研究では、興味のある信号の構造を学ぶためにテンソルネットワークを訓練する、データ駆動型アプローチが検討されている。
我々は、テンソルネットワークの状態が絡み合った量子ビットの集合上の量子状態である別の「量子」プロトコルを提案する。
論文 参考訳(メタデータ) (2022-04-27T16:20:28Z) - Comparing concepts of quantum and classical neural network models for
image classification task [0.456877715768796]
本資料は、ハイブリッド量子古典ニューラルネットワークのトレーニングと性能に関する実験結果を含む。
シミュレーションは時間を要するが、量子ネットワークは時間を要するが、古典的なネットワークを克服する。
論文 参考訳(メタデータ) (2021-08-19T18:49:30Z) - A Quantum Convolutional Neural Network for Image Classification [7.745213180689952]
量子畳み込みニューラルネットワーク(QCNN)という新しいニューラルネットワークモデルを提案する。
QCNNは実装可能な量子回路に基づいており、古典的畳み込みニューラルネットワークと同様の構造を持つ。
MNISTデータセットの数値シミュレーションにより,本モデルの有効性が示された。
論文 参考訳(メタデータ) (2021-07-08T06:47:34Z) - 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)
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。