論文の概要: Generating multi-hops entangled network via spin Dipolar interaction
- arxiv url: http://arxiv.org/abs/2011.08617v1
- Date: Tue, 17 Nov 2020 13:21:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-23 21:31:40.967860
- Title: Generating multi-hops entangled network via spin Dipolar interaction
- Title（参考訳）: スピン双極子相互作用によるマルチホップ絡みネットワークの生成
- Authors: A. R. Mohammed, T. M. El-Shahat and N. Metwally
- Abstract要約: 生成した量子相関の量子化器として、負性、絡み合い、非局所コヒーレント優位が用いられる。
生成した3つのノード間の量子相関は、2つのノード間で生成されたものよりも堅牢である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: The possibility of generating a multi-hops network between different
entangled nodes (qubits) via spin Dipolar interaction is examined. The
negativity, tangle and the non-local coherent advantage are used as quantifiers
of the generated quantum correlations. The phenomena of the sudden death/birth
is displayed for the entangled two nodes, while the sudden changes phenomena
(increasing/ decreasing) is depicted for all entangled three nodes. The amount
of correlations between the different nodes depend on the initial network
settings, where the largest amount is predicted if the network is initially
conducted via maximum entangled nodes. The generated quantum correlations
between each three nodes are more robust than those generated between two
nodes. For the generated entangled two nodes, the direction of the interaction
and its strength have a remarkable effect on the correlation behavior, while
they has a slightly effect on the correlation of the three nodes.
- Abstract（参考訳）: スピン双極子相互作用による異なるエンタングルノード(量子ビット)間のマルチホップネットワーク生成の可能性について検討した。
生成した量子相関の量子化器として、負性、絡み合い、非局所コヒーレント優位が用いられる。
絡み合った2つのノードに対して、突然の死亡/出産の現象を表示し、すべての絡み合った3つのノードに対して、突然の変化現象(増加/減少)を描写する。
異なるノード間の相関の量は初期ネットワーク設定に依存しており、ネットワークが最初に最大絡み合ったノードによって実行される場合、最も多く予測される。
生成した3つのノード間の量子相関は、2つのノード間で生成されたものよりも堅牢である。
生成した絡み合った2つのノードに対して、相互作用の方向とその強さは相関挙動に顕著な影響を及ぼし、3つのノードの相関にわずかに影響を及ぼす。
関連論文リスト
- An analysis of the relative effects of connectivity and coupling interactions on spin networks emulating the D-Wave 2000Q quantum annealer [0.19116784879310028]
単位セル外の量子ビットに接続された量子ビットにおいて,強い正の空間相関を示す。
次に、ノード間の相関が多くの要因に影響されていることを示す。
これはアーキテクチャ機能を理解することの重要性と、プログラムされていないインタラクション/接続の可能性を強調します。
論文 参考訳（メタデータ） (2024-05-14T13:51:05Z) - Network Centralities in Quantum Entanglement Distribution due to User
Preferences [5.243460995467895]
本稿では,ピアツーピア接続の利用パターンによって絡み合いのリンク層トポロジが駆動される場合のネットワークの中央性について検討する。
このことは、絡み合ったグラフのエッジ中心性(絡み合い分布における個々のエッジの使用として測定される)が、電力法則分布に従うことを示している。
これらの発見は、高い信頼性と低いデコヒーレンス時間を持つ量子技術のような量子資源管理において、高い集中度を持つエッジに割り当てられる可能性がある。
論文 参考訳（メタデータ） (2023-08-16T07:00:09Z) - Entanglement Routing Based on Fidelity Curves [0.0]
本稿では,各リンクが絡み合い発生率と忠実度とのトレードオフによって特徴づけられる量子ネットワークについて考察する。
絡み合ったキュービットを一度に1つずつ分散する2つの絡み合った分布モデルと、多数の絡み合ったキュービットを同時に分散するフローモデルを考える。
論文 参考訳（メタデータ） (2023-03-22T18:59:36Z) - On Generalized Degree Fairness in Graph Neural Networks [18.110053023118294]
Deg-FairGNN(Generalized Degree Fairness-centric Graph Neural Network)と呼ばれる新しいGNNフレームワークを提案する。
具体的には、各GNN層において、学習可能なデバイアス機能を用いて、デバイアスのコンテキストを生成する。
3つのベンチマークデータセットに対する大規模な実験は、精度と公正度の両方において、我々のモデルの有効性を示す。
論文 参考訳（メタデータ） (2023-02-08T05:00:37Z) - Causal Influences Decouple From Their Underlying Network Structure In
Echo State Networks [0.0]
Echo State Networks(ESN)は、トレーニング中に隠れた層が変更されない、汎用的なリカレントニューラルネットワークモデルである。
ネットワークの出力に対する各ノードの因果的寄与を定量化し,ネットワーク構造と振舞いの因果的リンクを提供する。
適切に設計されたESNのノードは、ネットワークの基盤構造に関係なく、ほとんど相互作用することがわかった。
論文 参考訳（メタデータ） (2022-05-24T10:22:09Z) - Unveiling Anomalous Edges and Nominal Connectivity of Attributed
Networks [53.56901624204265]
本研究では、相補的な強さを持つ2つの異なる定式化を用いて、属性グラフの異常なエッジを明らかにする。
まず、グラフデータマトリックスを低ランクとスパースコンポーネントに分解することで、パフォーマンスを著しく向上させる。
第2は、乱れのないグラフを頑健に復元することにより、第1のスコープを広げ、異常識別性能を高める。
論文 参考訳（メタデータ） (2021-04-17T20:00:40Z) - 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) - Critical Phenomena in Complex Networks: from Scale-free to Random
Networks [77.34726150561087]
一対のノード間のリンクを制御する隠れ変数を持つ構成ネットワークモデルにおける臨界現象について検討する。
平均ノード次数、期待するエッジ数、ランダウとヘルムホルツの自由エネルギーについて、温度とノード数の関数として解析式を求める。
論文 参考訳（メタデータ） (2020-08-05T18:57:38Z) - Towards Deeper Graph Neural Networks with Differentiable Group
Normalization [61.20639338417576]
グラフニューラルネットワーク(GNN)は、隣接するノードを集約することでノードの表現を学習する。
オーバースムーシングは、レイヤーの数が増えるにつれてGNNのパフォーマンスが制限される重要な問題のひとつです。
2つのオーバースムースなメトリクスと新しいテクニック、すなわち微分可能群正規化(DGN)を導入する。
論文 参考訳（メタデータ） (2020-06-12T07:18:02Z) - Unsupervised Differentiable Multi-aspect Network Embedding [52.981277420394846]
本稿では,asp2vecと呼ばれるマルチアスペクトネットワーク埋め込みのための新しいエンドツーエンドフレームワークを提案する。
提案するフレームワークは容易に異種ネットワークに拡張できる。
論文 参考訳（メタデータ） (2020-06-07T19:26:20Z) - Bilinear Graph Neural Network with Neighbor Interactions [106.80781016591577]
グラフニューラルネットワーク(GNN)は,グラフデータ上で表現を学習し,予測を行う強力なモデルである。
本稿では,グラフ畳み込み演算子を提案し,隣接するノードの表現の対の相互作用で重み付け和を増大させる。
このフレームワークをBGNN(Bilinear Graph Neural Network)と呼び、隣ノード間の双方向相互作用によるGNN表現能力を向上させる。
論文 参考訳（メタデータ） (2020-02-10T06:43:38Z)
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。