論文の概要: Distributional Transform Based Information Reconciliation
- arxiv url: http://arxiv.org/abs/2204.08891v2
- Date: Thu, 11 May 2023 14:47:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-12 19:05:52.951083
- Title: Distributional Transform Based Information Reconciliation
- Title(参考訳): 分布変換に基づく情報照合
- Authors: Micael Andrade Dias, Francisco Marcos de Assis
- Abstract要約: CVQKDプロトコルに対する独立対称ベルヌーイビットの抽出法を提案する。
ホモダインとヘテロダインの両測定値の最大和解効率の式を導出した。
- 参考スコア(独自算出の注目度): 2.4366811507669124
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this paper, we present an information reconciliation protocol designed for
Continuous-Variable QKD using the Distributional Transform. By combining tools
from copula and information theory, we present a method for extracting
independent symmetric Bernoulli bits for Gaussian-modulated CVQKD protocols,
which we called the Distributional Transform Expansion (DTE). We derived the
expressions for the maximum reconciliation efficiency for both homodyne and
heterodyne measurements, which, for the last, is achievable with an efficiency
greater than 0.9 at a signal-to-noise ratio lower than -3.6 dB.
- Abstract(参考訳): 本稿では,分散変換を用いた連続可変QKDのための情報調整プロトコルを提案する。
本研究では,コプラと情報理論のツールを組み合わせることで,ガウス変調CVQKDプロトコルに対して,独立対称ベルヌーイビットを抽出する手法を提案する。
ホモダイン測定とヘテロダイン測定の両方における最大和解効率の式を導出し,最後には信号対雑音比 -3.6 db 以下で0.9 以上の効率で達成可能とした。
関連論文リスト
- Collaborative Heterogeneous Causal Inference Beyond Meta-analysis [68.4474531911361]
異種データを用いた因果推論のための協調的逆確率スコア推定器を提案する。
異質性の増加に伴うメタアナリシスに基づく手法に対して,本手法は有意な改善を示した。
論文 参考訳(メタデータ) (2024-04-24T09:04:36Z) - Convergence Analysis of Flow Matching in Latent Space with Transformers [7.069772598731282]
本稿では,ODEに基づく生成モデル,特にフローマッチングに関する理論的収束保証について述べる。
トレーニング済みのオートエンコーダネットワークを用いて、高次元の原入力を低次元の潜在空間にマッピングし、トランスフォーマーネットワークをトレーニングし、標準正規分布から目標潜在分布への変換速度場を予測する。
論文 参考訳(メタデータ) (2024-04-03T07:50:53Z) - Distributed Markov Chain Monte Carlo Sampling based on the Alternating
Direction Method of Multipliers [143.6249073384419]
本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。
我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。
シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
論文 参考訳(メタデータ) (2024-01-29T02:08:40Z) - Probabilistic amplitude shaping for continuous-variable quantum key
distribution with discrete modulation over a wiretap channel [0.7829352305480285]
有限個のシンボル集合の適切な確率振幅整形により、最適なチャネル容量を任意に近似できることを示す。
本稿では,確率的振幅整形を補助する離散二次振幅変調を用いたプロトコルを提案する。
論文 参考訳(メタデータ) (2022-11-10T16:48:45Z) - Data post-processing for the one-way heterodyne protocol under
composable finite-size security [62.997667081978825]
本研究では,実用的連続可変(CV)量子鍵分布プロトコルの性能について検討する。
ヘテロダイン検出を用いたガウス変調コヒーレント状態プロトコルを高信号対雑音比で検討する。
これにより、プロトコルの実践的な実装の性能を調べ、上記のステップに関連付けられたパラメータを最適化することができる。
論文 参考訳(メタデータ) (2022-05-20T12:37:09Z) - Three-fold way of entanglement dynamics in monitored quantum circuits [68.8204255655161]
ダイソンの3つの円形アンサンブル上に構築された量子回路における測定誘起エンタングルメント遷移について検討する。
ゲートによる局所的絡み合い発生と測定による絡み合い低減との相互作用について考察した。
論文 参考訳(メタデータ) (2022-01-28T17:21:15Z) - Learned Image Compression with Separate Hyperprior Decoders [19.14246055282486]
離散ガウス混合確率における混合パラメータの復号過程を分離するために、3つの超プライア復号器を提案する。
提案手法は,最先端手法と比較して平均3.36%のBDレート低減を実現している。
論文 参考訳(メタデータ) (2021-10-31T13:01:56Z) - Innovation Compression for Communication-efficient Distributed
Optimization with Linear Convergence [23.849813231750932]
本稿では,強い凸最適化問題を解決するために,通信効率のよい線形収束分散(COLD)アルゴリズムを提案する。
イノベーションベクターを圧縮することで、COLDは$delta$-contractedコンプレッサーのクラスに対して線形収束を達成できます。
数値実験は、異なる圧縮機の下で両方のアルゴリズムの利点を実証する。
論文 参考訳(メタデータ) (2021-05-14T08:15:18Z) - Learned transform compression with optimized entropy encoding [72.20409648915398]
学習した変換圧縮の問題を検討し、離散符号上の変換と確率分布の両方を学習する。
勾配のバックプロパゲーションを可能にするために量子化演算をソフト緩和し, 潜在符号のベクトル量子化を(スカラーではなく)採用した。
論文 参考訳(メタデータ) (2021-04-07T17:58:01Z) - Composably secure data processing for Gaussian-modulated continuous
variable quantum key distribution [58.720142291102135]
連続可変量子鍵分布(QKD)は、ボソニックモードの二次構造を用いて、2つのリモートパーティ間の秘密鍵を確立する。
構成可能な有限サイズセキュリティの一般的な設定におけるホモダイン検出プロトコルについて検討する。
特に、ハイレート(非バイナリ)の低密度パリティチェックコードを使用する必要のあるハイシグネチャ・ツー・ノイズ・システマを解析する。
論文 参考訳(メタデータ) (2021-03-30T18:02:55Z)
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。