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

• Towards Scalable Quantum Key Distribution: A Machine Learning-Based Cascade Protocol Approach [2.363573186878154]
  量子鍵分配(Quantum Key Distribution, QKD)はセキュア通信のための重要な技術である。 複雑な数学的モデルに依存する伝統的な鍵レート決定法は、しばしば効率と拡張性に欠ける。 本稿では,機械学習(ML)技術をカスケード誤り訂正プロトコルに統合する手法を提案する。
  論文  参考訳（メタデータ） (2024-09-12T13:40:08Z)
• Performance of Cascade and LDPC-codes for Information Reconciliation on Industrial Quantum Key Distribution Systems [69.47813697920358]
  我々は、情報再構成に使用される2つの一般的なアルゴリズムの性能を分析し、シミュレーションし、最適化し、比較する。 我々は,現実的かつアプリケーションクローズな環境での運用において,実用的および工業的環境における適用性に焦点をあてる。
  論文  参考訳（メタデータ） (2024-08-28T12:51:03Z)
• Decentralized Smoothing ADMM for Quantile Regression with Non-Convex Sparse Penalties [3.269165283595478]
  急速に進化するIoT(Internet-of-Things)エコシステムでは、センサによって生成された分散データを扱う上で、効果的なデータ分析技術が不可欠である。 下位段階のコンセンサスアプローチのような既存の手法の限界に対処することは、アクティブ係数と非アクティブ係数の区別に失敗する。
  論文  参考訳（メタデータ） (2024-08-02T15:00:04Z)
• Parameter-Adaptive Approximate MPC: Tuning Neural-Network Controllers without Retraining [50.00291020618743]
  この研究は、大規模なデータセットを再計算し、再トレーニングすることなくオンラインチューニングが可能な、新しいパラメータ適応型AMPCアーキテクチャを導入している。 資源制約の厳しいマイクロコントローラ(MCU)を用いた2種類の実カートポールシステムの揺らぎを制御し,パラメータ適応型AMPCの有効性を示す。 これらの貢献は、現実世界のシステムにおけるAMPCの実践的応用に向けた重要な一歩である。
  論文  参考訳（メタデータ） (2024-04-08T20:02:19Z)
• 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 [2.4277680835263005]
  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)
• 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 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)

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。