論文の概要: Entanglement Swapping for Repeater Chains with Finite Memory Sizes

• arxiv url: http://arxiv.org/abs/2111.10994v1
• Date: Mon, 22 Nov 2021 05:20:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-07 04:40:13.337256
• Title: Entanglement Swapping for Repeater Chains with Finite Memory Sizes
• Title（参考訳）: 有限メモリサイズを持つリピータチェーンの絡み合いスワッピング
• Authors: Wenhan Dai and Don Towsley
• Abstract要約: 本研究では,量子リピータチェーンのためのエンタングルメントスワッププロトコルとメモリ割り当て手法を開発する。 時間多重化手法における絡み合い分布率とメモリサイズとのトレードオフを決定する。
• 参考スコア（独自算出の注目度）: 19.436762526586204
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We develop entanglement swapping protocols and memory allocation methods for quantum repeater chains. Unlike most of the existing studies, the memory size of each quantum repeater in this work is a parameter that can be optimized. Based on Markov chain modeling of the entanglement distribution process, we determine the trade-off between the entanglement distribution rate and the memory size for temporal multiplexing techniques. We then propose three memory allocation methods that achieve entanglement distribution rates decaying polynomially with respect to the distance while using constant average memory slots per node. We also quantify the average number of memory slots required due to classical communication delay, as well as the delay of entanglement distribution. Our results show that a moderate memory size suffices to achieve a polynomial decay of entanglement distribution rate with respect to the distance, which is the scaling achieved by the optimal protocol even with infinite memory size at each node.
• Abstract（参考訳）: 量子リピータチェーンの絡み合い交換プロトコルとメモリ割り当て手法を開発した。 既存のほとんどの研究とは異なり、この研究における各量子リピータのメモリサイズは最適化可能なパラメータである。 絡み合い分布過程のマルコフ連鎖モデルに基づいて、時間多重化技術における絡み合い分布率とメモリサイズとのトレードオフを決定する。 次に,ノード当たりの平均メモリスロットを一定に使用しながら,距離に対して多項式的に減衰する絡み合い分布率を実現する3つのメモリ割り当て手法を提案する。 また,古典的な通信遅延と絡み合い分布の遅延によって要求されるメモリスロットの平均数を定量化する。 その結果,各ノードのメモリサイズが無限である場合でも,最適なプロトコルによって達成されるスケーリングである距離に対して,絡み合い分布率の多項式減衰を達成するのに十分なメモリサイズが得られた。

関連論文リスト

• Breaking the Memory Barrier: Near Infinite Batch Size Scaling for Contrastive Loss [59.835032408496545]
  本稿では, コントラスト損失計算を任意の小ブロックに分割するタイルベースの戦略を提案する。 分散システムの階層構造を活用するためのマルチレベルタイリング戦略も導入する。 SOTAメモリ効率のソリューションと比較すると、同等の速度を維持しながら、メモリの2桁の削減を実現している。
  論文  参考訳（メタデータ） (2024-10-22T17:59:30Z)
• Entanglement Distribution in Quantum Repeater with Purification and Optimized Buffer Time [53.56179714852967]
  バッファ時間に最適化された量子リピータを用いた絡み合い分布について検討する。 終端ノードにおけるメモリ数の増加は、メモリ当たりの絡み合いの分布率を高めることを観察する。 しかし、不完全な操作を考慮すると、メモリ単位の絡み合いが記憶数の増加とともに減少するという驚くべき観察がなされる。
  論文  参考訳（メタデータ） (2023-05-23T23:23:34Z)
• Entanglement distribution with minimal memory requirements using time-bin photonic qudits [0.0]
  本稿では,200万ドル相当の時間ビンフォトニックキューディットに基づく新しいプロトコルを提案する。 quditプロトコルを採用することで、必要なqubitメモリ時間はノード間の送信損失とは無関係になる。 我々のプロトコルは、短期量子ネットワークの性能を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2022-10-29T09:23:04Z)
• Scheduling Quantum Teleportation with Noisy Memories [0.0]
  ノイズの多いメモリプラットフォームにおける量子ビットの格納による量子ネットワークのノードの忠実度に対するデコヒーレンスの影響を定量化する。 ノードにおける忠実度は項の線形和であり、時間とともに指数関数的に減衰し、その崩壊率はメモリプラットフォームのデコヒーレンス速度に依存することを示す。 バッファオーバーフロー管理のプッシュアウトを併用したLast In First Outのキュービット提供が,平均忠実度の観点から最適であることを示す。
  論文  参考訳（メタデータ） (2022-05-12T18:29:42Z)
• SreaMRAK a Streaming Multi-Resolution Adaptive Kernel Algorithm [60.61943386819384]
  既存のKRRの実装では、すべてのデータがメインメモリに格納される必要がある。 KRRのストリーミング版であるStreaMRAKを提案する。 本稿では,2つの合成問題と2重振り子の軌道予測について紹介する。
  論文  参考訳（メタデータ） (2021-08-23T21:03:09Z)
• MAFAT: Memory-Aware Fusing and Tiling of Neural Networks for Accelerated Edge Inference [1.7894377200944507]
  機械学習ネットワークは、利用可能なメモリを容易に越えることができ、OSの過度なスワップによってレイテンシが増加する。 本稿では,メモリ使用量予測器と探索アルゴリズムを組み合わせることで,最適化されたファジングとタイリングの構成を提供する。 その結果、我々のアプローチはメモリの半分以下で実行でき、メモリの厳しい制約下では最大2.78の高速化を実現している。
  論文  参考訳（メタデータ） (2021-07-14T19:45:49Z)
• Kanerva++: extending The Kanerva Machine with differentiable, locally block allocated latent memory [75.65949969000596]
  エピソディックメモリとセマンティックメモリは、人間のメモリモデルの重要なコンポーネントです。 我々は、エピソードメモリとセマンティックメモリのギャップを埋める新しい原理ベイズメモリ割り当てスキームを開発しました。 この割り当て方式がメモリ条件画像生成の性能を向上させることを実証する。
  論文  参考訳（メタデータ） (2021-02-20T18:40:40Z)
• Neural Network Compression for Noisy Storage Devices [71.4102472611862]
  従来、モデル圧縮と物理ストレージは分離される。 このアプローチでは、ストレージは圧縮されたモデルの各ビットを等しく扱い、各ビットに同じ量のリソースを割り当てるように強制される。 i) 各メモリセルの容量を最大化するためにアナログメモリを使用し, (ii) モデル圧縮と物理ストレージを共同で最適化し, メモリの有用性を最大化する。
  論文  参考訳（メタデータ） (2021-02-15T18:19:07Z)
• Memformer: A Memory-Augmented Transformer for Sequence Modeling [55.780849185884996]
  本稿では、シーケンスモデリングのための効率的なニューラルネットワークであるMemformerを紹介する。 我々のモデルは長いシーケンスを処理する際に線形時間複雑性と一定メモリ空間複雑性を実現する。
  論文  参考訳（メタデータ） (2020-10-14T09:03:36Z)
• Efficient optimization of cut-offs in quantum repeater chains [0.0]
  我々は,リピータチェーンプロトコルによって生成される待ち時間と絡み合いの確率分布を計算するアルゴリズムを開発した。 このアルゴリズムを用いてカットオフを最適化し,リピータチェーンの終端ノード間の秘密鍵レートを最大化する。
  論文  参考訳（メタデータ） (2020-05-11T09:17:21Z)

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。