論文の概要: Robust Interior Point Method for Quantum Key Distribution Rate
Computation
- arxiv url: http://arxiv.org/abs/2104.03847v2
- Date: Thu, 1 Sep 2022 14:16:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-04 12:04:48.257157
- Title: Robust Interior Point Method for Quantum Key Distribution Rate
Computation
- Title(参考訳): 量子鍵分布率計算のためのロバスト内部点法
- Authors: Hao Hu, Jiyoung Im, Jie Lin, Norbert L\"utkenhaus and Henry Wolkowicz
- Abstract要約: 我々は、鍵レート計算問題に対する凸非線形半定値計画(SDP)の安定な再構成を導出する。
本稿では,従来の難解な問題を解くとともに,スピードと精度を劇的に向上させる実験結果について報告する。
- 参考スコア(独自算出の注目度): 5.43684033059546
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Security proof methods for quantum key distribution, QKD, that are based on
the numerical key rate calculation problem, are powerful in principle. However,
the practicality of the methods are limited by computational resources and the
efficiency and accuracy of the underlying algorithms for convex optimization.
We derive a stable reformulation of the convex nonlinear semidefinite
programming, SDP, model for the key rate calculation problems. We use this to
develop an efficient, accurate algorithm. The stable reformulation is based on
novel forms of facial reduction, FR, for both the linear constraints and
nonlinear quantum relative entropy objective function. This allows for a
Gauss-Newton type interior-point approach that avoids the need for
perturbations to obtain strict feasibility, a technique currently used in the
literature. The result is high accuracy solutions with theoretically proven
lower bounds for the original QKD from the FR stable reformulation. This
provides novel contributions for FR for general SDP. We report on empirical
results that dramatically improve on speed and accuracy, as well as solving
previously intractable problems.
- Abstract(参考訳): 数値鍵レート計算問題に基づく量子鍵分布のセキュリティ証明手法であるQKDは原理的に強力である。
しかし,本手法の実用性は計算資源と基礎となる凸最適化アルゴリズムの効率と精度によって制限される。
我々は、鍵レート計算問題に対する凸非線形半定値計画(SDP)の安定な再構成を導出する。
これを使って効率的で正確なアルゴリズムを開発します。
安定な再構成は、線形制約と非線形量子相対エントロピー目的関数の両方に対する新しい顔の還元法frに基づいている。
これによりgauss-newton型内接点アプローチが可能となり、現在文献で使われている手法である厳密な実現性を得るために摂動の必要性を回避できる。
その結果、FR安定化による元のQKDに対する理論的に証明された下界を持つ高精度解が得られた。
これは一般SDPのためのFRに新しい貢献を提供する。
従来の難解な問題を解決するとともに,速度と精度を劇的に向上させる実験結果について報告する。
関連論文リスト
- Stochastic Optimization for Non-convex Problem with Inexact Hessian
Matrix, Gradient, and Function [99.31457740916815]
信頼領域(TR)と立方体を用いた適応正則化は、非常に魅力的な理論的性質を持つことが証明されている。
TR法とARC法はヘッセン関数,勾配関数,関数値の非コンパクトな計算を同時に行うことができることを示す。
論文 参考訳(メタデータ) (2023-10-18T10:29:58Z) - Equation Discovery with Bayesian Spike-and-Slab Priors and Efficient
Kernels [60.35011738807833]
ケルネル学習とBayesian Spike-and-Slab pres (KBASS)に基づく新しい方程式探索法を提案する。
カーネルレグレッションを用いてターゲット関数を推定する。これはフレキシブルで表現力があり、データ空間やノイズに対してより堅牢である。
我々は、ベンチマークODEとPDE発見タスクのリストにおいて、KBASSの顕著な利点を示す。
論文 参考訳(メタデータ) (2023-10-09T03:55:09Z) - Hybrid algorithm simulating non-equilibrium steady states of an open
quantum system [10.752869788647802]
非平衡定常状態は開量子系の研究の焦点である。
これらの定常状態を探すための従来の変分アルゴリズムは、資源集約的な実装に悩まされてきた。
我々は、リンドブラッド方程式の演算子-サム形式をシミュレートすることにより、非平衡定常状態の効率的な探索を行う新しい変分量子アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-09-13T01:57:27Z) - Optimization strategies in WAHTOR algorithm for quantum computing
empirical ansatz: a comparative study [0.0]
本研究はWAHTORアルゴリズムの非断熱バージョンを導入し,その効率を3つの実装と比較する。
固定されたVQEパラメータでハミルトニアンの1階微分と2階微分を計算することは、原型的なQPUオーバーロードを導入しない。
ハバードモデルシステムの場合、信頼領域非断熱最適化の方が効率的であることが判明した。
論文 参考訳(メタデータ) (2023-06-19T15:07:55Z) - An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳(メタデータ) (2023-06-10T08:25:16Z) - Optimal Learning via Moderate Deviations Theory [4.6930976245638245]
我々は、中等度偏差原理に基づくアプローチを用いて、高精度な信頼区間の体系的構築を開発する。
提案した信頼区間は,指数的精度,最小性,整合性,誤評価確率,結果整合性(UMA)特性の基準を満たすという意味で統計的に最適であることが示されている。
論文 参考訳(メタデータ) (2023-05-23T19:57:57Z) - A Faster Quantum Algorithm for Semidefinite Programming via Robust IPM
Framework [14.531920189937495]
本稿では,半定値プログラミング(SDP)を高精度に解くために,凸最適化の基本的な問題について検討する。
我々は、その出力の最適性と実現可能性の両方において高精度な量子二階法を提案する。
論文 参考訳(メタデータ) (2022-07-22T15:51:02Z) - Amortized Conditional Normalized Maximum Likelihood: Reliable Out of
Distribution Uncertainty Estimation [99.92568326314667]
本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。
提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。
我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
論文 参考訳(メタデータ) (2020-11-05T08:04:34Z) - Logistic Q-Learning [87.00813469969167]
MDPにおける最適制御の正規化線形プログラミング定式化から導いた新しい強化学習アルゴリズムを提案する。
提案アルゴリズムの主な特徴は,広範に使用されているベルマン誤差の代わりとして理論的に音声として機能する,政策評価のための凸損失関数である。
論文 参考訳(メタデータ) (2020-10-21T17:14:31Z) - IDEAL: Inexact DEcentralized Accelerated Augmented Lagrangian Method [64.15649345392822]
本稿では,局所関数が滑らかで凸な分散最適化環境下での原始的手法設計のためのフレームワークを提案する。
提案手法は,加速ラグランジアン法により誘導されるサブプロブレム列を概ね解いたものである。
加速度勾配降下と組み合わせることで,収束速度が最適で,最近導出された下界と一致した新しい原始アルゴリズムが得られる。
論文 参考訳(メタデータ) (2020-06-11T18:49:06Z)
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。