論文の概要: Entanglement Routing Based on Fidelity Curves for Quantum Photonics Channels

• arxiv url: http://arxiv.org/abs/2303.12864v2
• Date: Tue, 28 Mar 2023 11:09:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-29 18:03:43.284018
• Title: Entanglement Routing Based on Fidelity Curves for Quantum Photonics Channels
• Title（参考訳）: 量子フォトニクスチャネルの忠実度曲線に基づく絡み合いルーティング
• Authors: Bruno C. Coutinho, Raul Monteiro, Lu\'is Bugalho, Francisco A. Monteiro
• Abstract要約: 量子インターネットは、近くの隣人からネットワーク内の任意の2つのノードへの絡み合い関係を拡張することを約束する。 大規模ネットワーク上での絡み合いを効率的に分散する方法はまだ未解決の問題である。 本稿では、絡み合い発生率と忠実度とのトレードオフを特徴とするフォトニックチャネルからなる量子ネットワークについて考察する。
• 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: The quantum internet promises to extend entanglement correlations from nearby neighbors to any two nodes in a network. How to efficiently distribute entanglement over large-scale networks is still an open problem that greatly depends on the technology considered. In this work, we consider quantum networks composed of photonic channels characterized by a trade-off between the entanglement generation rate and fidelity. For such networks we look at the two following problems: the one of finding the best path to connect any two given nodes in the network bipartite entanglement routing, and the problem of finding the best starting node in order to connect three nodes in the network multipartite entanglement routing. We consider two entanglement distribution models: one where entangled qubit are distributed one at a time, and a flow model where a large number of entangled qubits are distributed simultaneously. We propose the use of continuous fidelity curves (i.e., entanglement generation fidelity vs rate) as the main routing metric. Combined with multi-objective path-finding algorithms, the fidelity curves describing each link allow finding a set of paths that maximize both the end-to-end fidelity and the entanglement generation rate. For the models and networks considered, we prove that the algorithm always converges to the optimal solution, and we show through simulation that its execution time grows polynomial with the number of nodes in the network. Our implementation grows with the number of nodes with a power between $1$ and $1.4$ depending on the network. This work paves the way for the development of path-finding algorithms for networks with complex entanglement distribution protocols, in particular for other protocols that exhibit a trade-off between generation fidelity and rate, such as repeater-and-purify protocols.
• Abstract（参考訳）: 量子インターネットは、近くの隣接ノードからネットワーク内の任意の2つのノードへの絡み合い相関を拡張することを約束している。 大規模ネットワーク上での絡み合いを効率的に分散する方法は、検討した技術に大きく依存するオープンな問題である。 本研究では,絡み合い生成率と忠実度とのトレードオフを特徴とするフォトニックチャネルからなる量子ネットワークを考える。 このようなネットワークについては、ネットワークの2部絡みルーティングにおいて与えられた2つのノードを接続する最善の経路を見つけることと、ネットワークの3つのノードを複数部絡みルーティングで接続するために最善のスタートノードを見つける問題という2つの問題に目を向ける。 エンタングルメント分布モデルとしては,エンタングル量子ビットが一度に1つずつ分布するフローモデルと,多数のエンタングル量子ビットが同時に分布するフローモデルがある。 連続的忠実度曲線(つまり、絡み合い生成忠実度とレート)を主要なルーティング指標として用いることを提案する。 多目的パスフィニングアルゴリズムと組み合わせて、各リンクを記述する忠実度曲線は、エンドツーエンドの忠実度と絡み合い生成率の両方を最大化するパスの集合を見つけることができる。 検討したモデルとネットワークに対しては,アルゴリズムが常に最適解に収束することを証明し,その実行時間がネットワーク内のノード数とともに多項式を増大させることを示す。 私たちの実装は、ネットワークによっては1ドルから14ドルのパワーを持つノードの数で成長します。 本研究は、複雑な絡み合い分布プロトコルを持つネットワークのためのパスフィニングアルゴリズムの開発方法、特に、リピータ・アンド・パーフィケーションプロトコルのような、世代密度とレートのトレードオフを示す他のプロトコルの開発方法である。

関連論文リスト

• Hierarchical Multi-Marginal Optimal Transport for Network Alignment [52.206006379563306]
  マルチネットワークアライメントは,複数ネットワーク上での協調学習に必須の要件である。 マルチネットワークアライメントのための階層型マルチマージ最適トランスポートフレームワークHOTを提案する。 提案するHOTは,有効性とスケーラビリティの両面で,最先端の大幅な改善を実現している。
  論文  参考訳（メタデータ） (2023-10-06T02:35:35Z)
• Network Centralities in Quantum Entanglement Distribution due to User Preferences [5.243460995467895]
  本稿では,ピアツーピア接続の利用パターンによって絡み合いのリンク層トポロジが駆動される場合のネットワークの中央性について検討する。 このことは、絡み合ったグラフのエッジ中心性(絡み合い分布における個々のエッジの使用として測定される)が、電力法則分布に従うことを示している。 これらの発見は、高い信頼性と低いデコヒーレンス時間を持つ量子技術のような量子資源管理において、高い集中度を持つエッジに割り当てられる可能性がある。
  論文  参考訳（メタデータ） (2023-08-16T07:00:09Z)
• On the Bipartite Entanglement Capacity of Quantum Networks [9.377912974064227]
  我々は,非決定論的エンタングルメントスワップ機能を持つデバイスからなる量子ネットワークにおいて,一対のノードに対するマルチパスエンタングルメント分布を考察する。 このフロー問題を解決するために,混合整数2次制約付きプログラム(MIQCP)を提案する。 次に、時間単位当たりのユーザに分散されたEPR状態の最大数として定義される、ネットワーク全体の容量を計算する。
  論文  参考訳（メタデータ） (2023-07-10T10:58:02Z)
• Block belief propagation algorithm for two-dimensional tensor networks [0.0]
  本稿では,2次元テンソルネットワークを縮小し,2D$システムの基底状態を近似するためのブロック信念伝搬アルゴリズムを提案する。 応用として、我々のアルゴリズムを用いて2D$HeisenbergとTransverse Isingモデルを調べ、この手法の精度が最先端の結果と同等であることを示す。
  論文  参考訳（メタデータ） (2023-01-14T07:37:08Z)
• Unified Field Theory for Deep and Recurrent Neural Networks [56.735884560668985]
  本稿では,再帰的ネットワークと深層ネットワークの両方に対する平均場理論の統一的,体系的な導出について述べる。 平均場理論への収束は、ディープネットワークよりもリカレントネットワークの方が典型的に遅い。 提案手法はガウス過程が1/n$の体系的展開の最下位次数であることを示す。
  論文  参考訳（メタデータ） (2021-12-10T15:06:11Z)
• Optimized Quantum Networks [68.8204255655161]
  量子ネットワークは、ネットワーク要求の前に様々な種類の絡み合いを生成することができる。 これを応用して、所望の機能に合わせた絡み合いベースの量子ネットワークを設計する。
  論文  参考訳（メタデータ） (2021-07-21T18:00:07Z)
• Learning Autonomy in Management of Wireless Random Networks [102.02142856863563]
  本稿では,任意の数のランダム接続ノードを持つ無線ネットワークにおいて,分散最適化タスクに取り組む機械学習戦略を提案する。 我々は,ネットワークトポロジとは無関係に,前方および後方に計算を行う分散メッセージパスニューラルネットワーク(DMPNN)と呼ばれる,柔軟な深層ニューラルネットワーク形式を開発した。
  論文  参考訳（メタデータ） (2021-06-15T09:03:28Z)
• Multi-layered Network Exploration via Random Walks: From Offline Optimization to Online Learning [33.450042829375086]
  マルチレイヤネットワーク探索(MuLaNE)問題は、多くのアプリケーションから抽象化された重要な問題である。 MuLaNEには複数のネットワーク層があり、各ノードは重みを持ち、各レイヤはランダムウォークによって探索される。 オフライン最適化からオンライン学習まで,この問題を体系的に研究する。
  論文  参考訳（メタデータ） (2021-06-09T13:35:39Z)
• Purification and Entanglement Routing on Quantum Networks [55.41644538483948]
  不完全なチャネルフィリティと限られたメモリ記憶時間を備えた量子ネットワークは、ユーザ間の絡み合いを分散することができる。 本稿では,量子ネットワーク上の2ノード間で共有される絡み合いを最大化するための高速パスフィニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-23T19:00:01Z)
• Multi-Level Local SGD for Heterogeneous Hierarchical Networks [11.699472346137739]
  異種ネットワークにおける学習・非目的フレームワークのための分散勾配法であるマルチレベルローカルSGDを提案する。 まず,マルチレベル局所SGDアルゴリズムを記述する統一数学的手法を提案する。 次に,アルゴリズムの理論的解析を行う。
  論文  参考訳（メタデータ） (2020-07-27T19:14:23Z)
• Multi-Stage Hybrid Federated Learning over Large-Scale D2D-Enabled Fog Networks [61.30171206892684]
  ネットワークを多層クラスタベース構造とみなす階層内モデル学習と層間モデル学習のハイブリッドを開発する。 MH-FLは、デバイス間通信(D2D)を介して形成されたローカルネットワークを含む、クラスタ内のノード間のトポロジー構造を考察している。 異なるネットワーク層におけるデバイスを協調的/協調的にオーケストレーションし、モデルパラメータの局所的なコンセンサスを形成する。
  論文  参考訳（メタデータ） (2020-07-18T20:03:07Z)

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。