Fugu-MT 論文翻訳(概要): Efficient Dicke state generation in a network of lossy channels

論文の概要: Efficient Dicke state generation in a network of lossy channels

arxiv url: http://arxiv.org/abs/2211.15138v2
Date: Wed, 28 Dec 2022 06:32:32 GMT
ステータス: 処理完了
システム内更新日: 2023-01-17 15:08:19.506858
Title: Efficient Dicke state generation in a network of lossy channels
Title（参考訳）: 損失チャネルネットワークにおける効率的なディック状態生成
Authors: Wojciech Roga, Rikizo Ikuta, Tomoyuki Horikiri, Masahiro Takeoka
Abstract要約: マルチパート光ネットワークにおける絡み合いの発生を解析する。我々のプロトコルは、W状態とDicke状態の星間ネットワーク上での分散に有利な速度損失スケーリングを持つことを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We analyze the generation of entanglement in a multipartite optical network. We generalize the twin-field strategy to the multipartie case and show that our protocol has advantageous rate-loss scalings of distributing W states and Dicke states over the star networks. We give precise theoretical formulas and quantitative performance analyses. Also analysis of the same protocol using Gaussian states as resources, which is a typical setup of many experimental tests, is provided.
Abstract（参考訳）: マルチパート光ネットワークにおける絡み合いの発生を解析する。我々は、ツインフィールド戦略をマルチパーティケースに一般化し、我々のプロトコルがスターネットワーク上でW状態とDicke状態の分散に有利な速度損失スケーリングを持つことを示す。正確な理論式と定量的性能分析を行う。また,多くの実験実験の典型的な構成である資源としてガウス状態を用いた同一のプロトコルの解析を行う。

関連論文リスト

Feature learning in finite-width Bayesian deep linear networks with multiple outputs and convolutional layers [39.71511919246829]
深い線形ネットワークは広く研究されているが、複数の出力と畳み込み層を持つ有限幅アーキテクチャの場合はほとんど知られていない。我々の研究は、この物理学の直観と用語を厳密なベイズ統計に翻訳する辞書を提供する。
論文参考訳（メタデータ） (2024-06-05T13:37:42Z)
Gaussian Entanglement Measure: Applications to Multipartite Entanglement of Graph States and Bosonic Field Theory [50.24983453990065]
フービニ・スタディ計量に基づく絡み合い尺度は、Cocchiarellaと同僚によって最近導入された。本稿では,多モードガウス状態に対する幾何絡み合いの一般化であるガウスエンタングルメント尺度(GEM)を提案する。自由度の高い系に対する計算可能な多部絡み合わせ測度を提供することにより、自由なボゾン場理論の洞察を得るために、我々の定義が利用できることを示す。
論文参考訳（メタデータ） (2024-01-31T15:50:50Z)
Performance metrics for the continuous distribution of entanglement in multi-user quantum networks [0.0]
遠方のノード間で共有される絡み合った状態は、量子ネットワークアプリケーションで頻繁に使用される。本稿では,絡み合いの連続分布のためのプロトコルの定常的性能解析に着目する。我々の分析から得られた主な結論の1つは、絡み合いの消費率は、忠実度要求よりもプロトコルの性能に大きな影響を及ぼすということである。
論文参考訳（メタデータ） (2023-07-03T23:55:02Z)
Binarizing Sparse Convolutional Networks for Efficient Point Cloud Analysis [93.55896765176414]
我々は,効率的な点群解析のためのBSC-Netと呼ばれるバイナリスパース畳み込みネットワークを提案する。我々は,移動したスパース畳み込みにおけるサイトマッチングに最適なオプションを見つけるために,異なる検索戦略を採用している。我々のBSC-Netは、我々の厳格なベースラインを大幅に改善し、最先端のネットワーク双対化手法より優れています。
論文参考訳（メタデータ） (2023-03-27T13:47:06Z)
Joint Edge-Model Sparse Learning is Provably Efficient for Graph Neural Networks [89.28881869440433]
本稿では,グラフニューラルネットワーク(GNN)における結合エッジモデルスパース学習の理論的特徴について述べる。解析学的には、重要なノードをサンプリングし、最小のマグニチュードでプルーニングニューロンをサンプリングすることで、サンプルの複雑さを減らし、テスト精度を損なうことなく収束を改善することができる。
論文参考訳（メタデータ） (2023-02-06T16:54:20Z)
Dense Hebbian neural networks: a replica symmetric picture of unsupervised learning [4.133728123207142]
我々は、監督なしで訓練された密集的で連想的なニューラルネットを考える。本稿では,モンテカルロシミュレーションを用いて,その計算能力を解析的に,統計力学的手法を用いて,数値解析的に検討する。
論文参考訳（メタデータ） (2022-11-25T12:40:06Z)
Lipschitz Bound Analysis of Neural Networks [0.0]
リプシッツ境界推定は、ディープニューラルネットワークを正則化し、敵の攻撃に対して堅牢にする効果的な方法である。本稿では、畳み込みニューラルネットワーク(CNN)のための非自明なリプシッツ境界証明書を得る際の大きなギャップについて述べる。また,畳み込みニューラルネットワーク(CNN)を完全連結ネットワークに変換するために,畳み込み層やToeplitz行列の展開も可能であることを示す。
論文参考訳（メタデータ） (2022-07-14T23:40:22Z)
A scheme for multipartite entanglement distribution via separable carriers [68.8204255655161]
我々は,任意の数のネットワークノードに適用可能な分離可能なキャリアによる絡み合い分布の戦略を開発する。我々のプロトコルはマルチパーティの絡み合いをもたらすが、処理を媒介するキャリアはネットワークに対して常に分離可能な状態である。
論文参考訳（メタデータ） (2022-06-20T10:50:45Z)
Optimal resource allocation for flexible-grid entanglement distribution networks [0.0]
本稿では,周波数偏光双光子を用いたエンタングルメント分布の一般モデルを提案する。我々は,1対1のユーザ接続からなるネットワークに対して,忠実度と絡み合ったビットレートの上限を導出する。
論文参考訳（メタデータ） (2022-04-13T21:31:47Z)
Group Fisher Pruning for Practical Network Compression [58.25776612812883]
本稿では,様々な複雑な構造に応用可能な汎用チャネルプルーニング手法を提案する。我々は、単一チャネルと結合チャネルの重要性を評価するために、フィッシャー情報に基づく統一されたメトリクスを導出する。提案手法は,結合チャネルを含む任意の構造をプルークするために利用できる。
論文参考訳（メタデータ） (2021-08-02T08:21:44Z)
Decentralized Local Stochastic Extra-Gradient for Variational Inequalities [125.62877849447729]
我々は、不均一(非IID)で多くのデバイスに分散する問題データを持つ領域上での分散変分不等式(VIs)を考察する。我々は、完全に分散化された計算の設定を網羅する計算ネットワークについて、非常に一般的な仮定を行う。理論的には, モノトン, モノトンおよび非モノトンセッティングにおける収束速度を理論的に解析する。
論文参考訳（メタデータ） (2021-06-15T17:45:51Z)

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。