論文の概要: Deep reinforcement learning for key distribution based on quantum repeaters

• arxiv url: http://arxiv.org/abs/2207.09930v1
• Date: Wed, 20 Jul 2022 14:14:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-04 08:08:00.602627
• Title: Deep reinforcement learning for key distribution based on quantum repeaters
• Title（参考訳）: 量子リピータを用いた鍵分布の深層強化学習
• Authors: Simon Daniel Rei{\ss} and Peter van Loock
• Abstract要約: 本研究は、量子リピータに基づく鍵分布の秘密鍵レートについて検討する。 深層強化学習は、メモリ記憶時間制限の最適解を探すために使用される。 提案手法の実装が提案され,その妥当性の実証が達成された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work examines secret key rates of key distribution based on quantum repeaters in a broad parameter space of the communication distance and coherence time of the quantum memories. As the first step in this task, a Markov decision process modeling the distribution of entangled quantum states via quantum repeaters is developed. Based on this model, a simulation is implemented, which is employed to determine secret key rates under naively controlled, limited memory storage times for a wide range of parameters. The complexity of the quantum state evolution in a multiple-segment quantum repeater chain motivates the use of deep reinforcement learning to search for optimal solutions for the memory storage time limits - the so-called memory cut-offs. The novel contribution in this work is to explore very general cut-off strategies which dynamically adapt to the state of the quantum repeater. An implementation of this approach is presented, with a particular focus on four-segment quantum repeaters, achieving proof of concept of its validity by finding exemplary solutions that outperform the naive strategies.
• Abstract（参考訳）: 本研究では,量子記憶の通信距離とコヒーレンス時間という広いパラメータ空間において,量子リピータに基づく鍵分布の秘密鍵速度を調べる。 このタスクの最初のステップとして、量子リピータによる絡み合った量子状態の分布をモデル化するマルコフ決定プロセスを開発した。 このモデルに基づき、幅広いパラメータのメモリ保存時間を制限したナイーブ制御下で秘密鍵レートを決定するために、シミュレーションが実装されている。 マルチセグメント量子リピータチェーンにおける量子状態の進化の複雑さは、メモリ記憶時間制限(いわゆるメモリカットオフ)の最適解を探索するために深層強化学習を使用する動機付けとなる。 この研究における新しい貢献は、量子リピータの状態に動的に適応する非常に一般的なカットオフ戦略を探ることである。 このアプローチの実装は、特に4セグメント量子リピータに焦点をあて、その妥当性の証明を、ナイーブ戦略を上回る模範的な解を見つけることによって達成する。

関連論文リスト

• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• Multimodal deep representation learning for quantum cross-platform verification [60.01590250213637]
  初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。 本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。 我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
  論文  参考訳（メタデータ） (2023-11-07T04:35:03Z)
• Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
  本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。 我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
  論文  参考訳（メタデータ） (2023-09-11T18:00:00Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• Exact rate analysis for quantum repeaters with imperfect memories and entanglement swapping as soon as possible [0.0]
  本稿では,線形量子リピータチェーンを用いた秘密鍵の正確なレート解析について述べる。 メモリカットオフ、多重化、初期状態、ゲート忠実度交換などの追加ツールやパラメータについて検討する。
  論文  参考訳（メタデータ） (2022-03-19T12:55:56Z)
• Multicell Atomic Quantum Memory as a Hardware-Efficient Quantum Repeater Node [10.687357167527669]
  マルチセル量子メモリのための単一原子アンサンブルを用いた量子リピータノードのコンパクトでハードウェア効率の良い実現について報告する。 2つの量子リピータセグメントでそれぞれ非同期アンタングル生成を行い、2つのリピータセグメントのオンデマンドアンタングル接続を実現する。 この研究は、大規模量子ネットワークのための量子リピータの効率的な実現のための有望な構成要素を提供する。
  論文  参考訳（メタデータ） (2021-10-18T19:32:36Z)
• Quantum communication complexity beyond Bell nonlocality [87.70068711362255]
  効率的な分散コンピューティングは、リソース要求タスクを解決するためのスケーラブルな戦略を提供する。 量子リソースはこのタスクに適しており、古典的手法よりも優れた明確な戦略を提供する。 我々は,ベルのような不等式に,新たなコミュニケーション複雑性タスクのクラスを関連付けることができることを証明した。
  論文  参考訳（メタデータ） (2021-06-11T18:00:09Z)
• Preparing random states and benchmarking with many-body quantum chaos [48.044162981804526]
  時間に依存しないハミルトン力学の下で自然にランダム状態アンサンブルの出現を予測し、実験的に観察する方法を示す。 観測されたランダムアンサンブルは射影測定から現れ、より大きな量子系のサブシステムの間に構築された普遍的相関に密接に関連している。 我々の研究は、量子力学におけるランダム性を理解するための意味を持ち、より広い文脈でのこの概念の適用を可能にする。
  論文  参考訳（メタデータ） (2021-03-05T08:32:43Z)
• Experimental demonstration of memory-enhanced scaling for entanglement connection of quantum repeater segments [13.78819436405072]
  量子リピータプロトコルは、長距離量子通信と大規模量子ネットワークを実装するための有望なアプローチである。 本稿では、オンデマンドエンタングルメントスワップによる2つの量子リピータセグメントの効率的な接続を実現する実験について報告する。 効率的なメモリ拡張スケーリングによる2つの量子リピータセグメントの絡み合い接続の実験的実現は、量子リピータプロトコルの重要な利点を示す。
  論文  参考訳（メタデータ） (2021-01-21T10:43:47Z)
• Variational Quantum Cloning: Improving Practicality for Quantum Cryptanalysis [2.064612766965483]
  機械学習に基づく暗号解析アルゴリズムである変分量子クローニング(VQC)を提案する。 VQCは、敵が短深度量子回路で最適な(近似)クローニング戦略を得ることを可能にする。 量子クローニングとVQCの促進による2つのプロトコルの攻撃を例として導いた。
  論文  参考訳（メタデータ） (2020-12-21T15:28:09Z)
• Entanglement distribution with wavevector-multiplexed quantum memory [0.0]
  本稿では,WV-MUX-QMプラットフォームを用いて,距離を延ばす準決定論的絡み合い生成を実現する。 実測値として,採用ノード数当たりのエンタングルビット (ebit) レートを確立する。
  論文  参考訳（メタデータ） (2020-07-01T15:03:58Z)

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。