論文の概要: Asymmetric adaptive LDPC-based information reconciliation for industrial
quantum key distribution
- arxiv url: http://arxiv.org/abs/2212.01121v1
- Date: Fri, 2 Dec 2022 12:09:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-09 19:25:48.047060
- Title: Asymmetric adaptive LDPC-based information reconciliation for industrial
quantum key distribution
- Title(参考訳): 産業量子鍵分布のための非対称適応LDPC情報調整
- Authors: Nikolay Borisov, Ivan Petrov and Andrey Tayduganov
- Abstract要約: 本研究では,非対称なLDPC情報調停のための新しい手法を開発し,現在のチャネル状態に適応する。
新たな方式は、LDPC符号の利点、優先誤差率推定、レート適応型およびブラインド情報照合技術を組み合わせたものである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We develop a new approach for asymmetric LDPC-based information
reconciliation in order to adapt to the current channel state and achieve
better performance and scalability in practical resource-constrained QKD
systems. The new scheme combines the advantages of LDPC codes, a priori error
rate estimation, rate-adaptive and blind information reconciliation techniques.
We compare the performance of several asymmetric and symmetric error correction
schemes using real industrial QKD setup. The proposed asymmetric algorithm
achieves significantly higher throughput, providing a secret key rate very
close to the symmetric one in a wide range of error rates. Thus, our approach
turns out to be particularly efficient for applications with high key rates,
limited classical channel capacity and asymmetric computational resource
allocation.
- Abstract(参考訳): 我々は,非対称なLDPCに基づく情報和解手法を開発し,現状のチャネル状態に適応し,資源制約のあるQKDシステムにおいて,より良い性能とスケーラビリティを実現する。
新たな方式は、LDPC符号の利点、優先誤差率推定、レート適応およびブラインド情報照合技術を組み合わせたものである。
実産業用QKDセットアップを用いた非対称および対称誤差補正方式の性能の比較を行った。
提案した非対称アルゴリズムは高いスループットを達成し、広い範囲の誤り率で対称アルゴリズムに非常に近い秘密鍵レートを提供する。
したがって、本手法は、高い鍵レート、制限された古典チャネル容量、非対称な計算資源割り当てを持つアプリケーションに対して特に効率的であることが判明した。
関連論文リスト
- Asymmetric mode-pairing quantum key distribution [4.122493139863035]
モードペアリング量子鍵分布(MP-QKD)は、大域的な位相ロックを必要とせずに、繰り返し無段の速度伝達限界を超えることができる。
MP-QKDは2つのチャネルで同一の通信距離を必要とする。
理想的なパルス強度を計算して鍵レートを向上させるために,様々なシナリオに適応する最適パルス強度法を提案する。
論文 参考訳(メタデータ) (2024-01-03T13:06:29Z) - Efficient Information Reconciliation for High-Dimensional Quantum Key
Distribution [0.0]
本稿では,高次元QKDシステムにおける2つの新しい和解手法を提案する。
これらの手法は非バイナリLDPC符号とカスケードアルゴリズムに基づいており、q-ary対称チャネル上のSlepian-Wolf境界に近い効率を実現する。
論文 参考訳(メタデータ) (2023-07-05T12:06:27Z) - Fair and Efficient Distributed Edge Learning with Hybrid Multipath TCP [62.81300791178381]
無線による分散エッジ学習のボトルネックは、コンピューティングから通信へと移行した。
DEL用の既存のTCPベースのデータネットワークスキームは、アプリケーションに依存しず、アプリケーション層要求に応じて調整を施さない。
DELのためのモデルベースと深部強化学習(DRL)に基づくMP TCPを組み合わせたハイブリッドマルチパスTCP(MP TCP)を開発した。
論文 参考訳(メタデータ) (2022-11-03T09:08:30Z) - Model-based Deep Learning Receiver Design for Rate-Splitting Multiple
Access [65.21117658030235]
本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。
MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。
その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
論文 参考訳(メタデータ) (2022-05-02T12:23:55Z) - Reliably-stabilizing piecewise-affine neural network controllers [5.203329540700177]
モデル予測制御(MPC)ポリシーのニューラルネットワーク(NN)近似に影響を与える一般的な問題は、NNベースのコントローラの動作の下でクローズドループシステムの安定性を評価するための分析ツールがないことである。
本稿では、そのような制御器の性能を定量化したり、与えられたMPCスキームの望ましい特性を保持する最小の複雑性NNを設計するための一般的な手順を提案する。
論文 参考訳(メタデータ) (2021-11-13T20:01:43Z) - DESTRESS: Computation-Optimal and Communication-Efficient Decentralized
Nonconvex Finite-Sum Optimization [43.31016937305845]
インターネット・オブ・シング、ネットワークセンシング、自律システム、有限サム最適化のための分散アルゴリズムのためのフェデレーション学習。
非有限サム最適化のためのDecentralized STochastic Recursive MethodDESTRESSを開発した。
詳細な理論的および数値的な比較は、DESTRESSが事前の分散アルゴリズムにより改善されていることを示している。
論文 参考訳(メタデータ) (2021-10-04T03:17:41Z) - OptiDICE: Offline Policy Optimization via Stationary Distribution
Correction Estimation [59.469401906712555]
より原理的な方法で過大評価を防止するオフライン強化学習アルゴリズムを提案する。
提案アルゴリズムであるOptiDICEは,最適ポリシーの定常分布補正を直接推定する。
OptiDICEは最先端の手法と競合して動作することを示す。
論文 参考訳(メタデータ) (2021-06-21T00:43:30Z) - 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) - Adaptive Gradient Quantization for Data-Parallel SGD [25.665193043464775]
本稿では,2つの適応量子化方式,ALQとAMQを導入する。両方式とも,パラメトリック分布の十分な統計を効率的に計算することにより,プロセッサが並列に圧縮スキームを更新する。
CIFAR-10では約2%,ImageNetでは1%の精度で検証精度を向上させる。
論文 参考訳(メタデータ) (2020-10-23T14:58:02Z) - Adaptive Subcarrier, Parameter, and Power Allocation for Partitioned
Edge Learning Over Broadband Channels [69.18343801164741]
パーティショニングエッジ学習(PARTEL)は、無線ネットワークにおいてよく知られた分散学習手法であるパラメータサーバトレーニングを実装している。
本稿では、いくつかの補助変数を導入してParticleELを用いてトレーニングできるディープニューラルネットワーク(DNN)モデルについて考察する。
論文 参考訳(メタデータ) (2020-10-08T15:27:50Z) - Deep Multi-Task Learning for Cooperative NOMA: System Design and
Principles [52.79089414630366]
我々は,近年のディープラーニング(DL)の進歩を反映した,新しいディープ・コラボレーティブなNOMAスキームを開発する。
我々は,システム全体を包括的に最適化できるように,新しいハイブリッドカスケードディープニューラルネットワーク(DNN)アーキテクチャを開発した。
論文 参考訳(メタデータ) (2020-07-27T12:38:37Z)
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。