Fugu-MT 論文翻訳(概要): Distributing Graph States Across Quantum Networks

論文の概要: Distributing Graph States Across Quantum Networks

arxiv url: http://arxiv.org/abs/2009.10888v3
Date: Mon, 23 Aug 2021 17:13:47 GMT
ステータス: 処理完了
システム内更新日: 2023-05-01 05:02:08.266123
Title: Distributing Graph States Across Quantum Networks
Title（参考訳）: 量子ネットワークにまたがるグラフ状態の分散
Authors: Alex Fischer, Don Towsley
Abstract要約: ローカル操作が自由なノード量子コンピュータと、連続的に生成可能なノード間で共有されるEPRペアからなる量子ネットワークを考察する。提案手法は, 消費するEPRペア数, 消費するタイムステップ数, 必要な古典的通信量に対する上限値を示す。
参考スコア（独自算出の注目度）: 16.74626042261441
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Graph states are an important class of multipartite entangled quantum states. We propose a new approach for distributing graph states across a quantum network. We consider a quantum network consisting of nodes-quantum computers within which local operations are free-and EPR pairs shared between nodes that can continually be generated. We prove upper bounds for our approach on the number of EPR pairs consumed, number of timesteps taken, and amount of classical communication required, all of which are equal to or better than that of prior work. We also reduce the problem of minimizing the number of timesteps taken to distribute a graph state using our approach to a network flow problem having polynomial time complexity.
Abstract（参考訳）: グラフ状態は多成分量子状態の重要なクラスである。量子ネットワーク上でグラフ状態を分散する新しい手法を提案する。ローカル操作が自由なノード量子コンピュータと、連続的に生成可能なノード間で共有されるEPRペアからなる量子ネットワークを考える。我々は,EPRペアの消費数,タイムステップ数,必要な古典的コミュニケーション量に対するアプローチの上限を,すべて以前の作業と同等かそれ以上に証明する。また,多項式時間複雑性を有するネットワークフロー問題へのアプローチにより,グラフ状態の分散に要する時間ステップ数を最小化する問題も軽減する。

関連論文リスト

Optimized Distribution of Entanglement Graph States in Quantum Networks [2.934854825488435]
量子ネットワークでは、ネットワーク上に分散されたマルチパーティの絡み合った状態は、多くの量子ネットワークアプリケーションの実装とサポートに役立ちます。本研究は,複数部品の絡み合い状態を効率的に生成・分散するための最適手法の開発に焦点をあてる。
論文参考訳（メタデータ） (2024-04-30T22:00:25Z)
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)
Multipartite Entanglement Distribution in Quantum Networks using Subgraph Complementations [9.32782060570252]
量子ネットワーク上でグラフ状態を分散する新しい手法を提案する。グラフ状態の分布は,部分グラフ補完システムによって特徴づけられることを示す。任意のグラフ状態の分配に最適な部分グラフ補完演算の列を求める。
論文参考訳（メタデータ） (2023-08-25T23:03:25Z)
Performance metrics for the continuous distribution of entanglement in multi-user quantum networks [0.0]
遠方のノード間で共有される絡み合った状態は、量子ネットワークアプリケーションで頻繁に使用される。本稿では,絡み合いの連続分布のためのプロトコルの定常的性能解析に着目する。我々の分析から得られた主な結論の1つは、絡み合いの消費率は、忠実度要求よりもプロトコルの性能に大きな影響を及ぼすということである。
論文参考訳（メタデータ） (2023-07-03T23:55:02Z)
Temporal Aggregation and Propagation Graph Neural Networks for Dynamic Representation [67.26422477327179]
時間グラフは連続時間を通してノード間の動的相互作用を示す。本研究では,周辺地域全体と時間的グラフ畳み込みの新たな手法を提案する。提案するTAP-GNNは,予測性能とオンライン推論遅延の両面で,既存の時間グラフ手法よりも優れた性能を示す。
論文参考訳（メタデータ） (2023-04-15T08:17:18Z)
Multi-User Entanglement Distribution in Quantum Networks Using Multipath Routing [55.2480439325792]
マルチパスルーティングを活用することで,マルチユーザアプリケーションの絡み合い率を高める3つのプロトコルを提案する。これらのプロトコルは、制限された量子メモリや確率的絡み合い生成を含む、NISQ制約のある量子ネットワーク上で評価される。
論文参考訳（メタデータ） (2023-03-06T18:06:00Z)
On the quantum simulation of complex networks [0.0]
連続時間量子ウォークアルゴリズムは、ハミルトニアンがグラフの隣接行列によって与えられる量子系の力学をシミュレートできると仮定する。我々は、量子シミュレーションの最先端の結果を、少数のハブを含むグラフにまで拡張するが、それ以外はスパースである。
論文参考訳（メタデータ） (2022-12-12T18:55:31Z)
QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文参考訳（メタデータ） (2022-11-09T21:43:16Z)
Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。 GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
論文参考訳（メタデータ） (2022-04-18T21:45:13Z)
From Quantum Graph Computing to Quantum Graph Learning: A Survey [86.8206129053725]
まず、量子力学とグラフ理論の相関関係について、量子コンピュータが有用な解を生成できることを示す。本稿では,その実践性と適用性について,一般的なグラフ学習手法について概説する。今後の研究の触媒として期待される量子グラフ学習のスナップショットを提供する。
論文参考訳（メタデータ） (2022-02-19T02:56:47Z)
Cluster-Promoting Quantization with Bit-Drop for Minimizing Network Quantization Loss [61.26793005355441]
クラスタ・プロモーティング・量子化(CPQ)は、ニューラルネットワークに最適な量子化グリッドを見つける。 DropBitsは、ニューロンの代わりにランダムにビットをドロップする標準のドロップアウト正規化を改訂する新しいビットドロップ技術である。本手法を様々なベンチマークデータセットとネットワークアーキテクチャ上で実験的に検証する。
論文参考訳（メタデータ） (2021-09-05T15:15:07Z)

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。