論文の概要: Entanglement Routing Based on Fidelity Curves
- arxiv url: http://arxiv.org/abs/2303.12864v3
- Date: Mon, 9 Sep 2024 15:15:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-11 06:18:42.480137
- Title: Entanglement Routing Based on Fidelity Curves
- Title(参考訳): 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, Luís Bugalho, Francisco A. Monteiro,
- Abstract要約: 本稿では,各リンクが絡み合い発生率と忠実度とのトレードオフによって特徴づけられる量子ネットワークについて考察する。
絡み合ったキュービットを一度に1つずつ分散する2つの絡み合った分布モデルと、多数の絡み合ったキュービットを同時に分散するフローモデルを考える。
- 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: How to efficiently distribute entanglement over large-scale quantum networks is still an open problem that greatly depends on the technology considered. In this work, we consider quantum networks where each link is 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, and the problem of finding the best starting node in order to connect three nodes in the network multipartite entanglement routing. Two entanglement distribution models are considered: one where entangled qubits are distributed one at a time, and a flow model where a large number of entangled qubits are distributed simultaneously. The paper proposes of a quite general methodology that uses 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 link models and networks considered, it is proven that the algorithm always converges to the optimal solution. It is also shown through simulation that the execution time grows polynomially with the number of network nodes (growing with a power between $1$ and $1.4$, depending on the network)
- Abstract(参考訳): 大規模量子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,各リンクが絡み合い発生率と忠実度とのトレードオフによって特徴付けられる量子ネットワークについて考察する。
このようなネットワークでは、与えられた2つのノードを接続する最適な経路を見つけることと、ネットワーク多部絡みルーティングにおいて3つのノードを接続する最適な開始ノードを見つけることの2つの問題に目を向ける。
絡み合ったキュービットを一度に1つずつ分散する2つの絡み合った分布モデルと、多数の絡み合ったキュービットを同時に分散するフローモデルを考える。
本論文は,連続忠実度曲線(エンタングルメント生成忠実度 vs. レート)を主ルーティング指標とする,極めて一般的な手法を提案する。
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。
リンクモデルやネットワークを考えると、アルゴリズムは常に最適解に収束することが証明されている。
シミュレーションにより、実行時間はネットワークノード数とともに多項式的に増加する(ネットワークによっては1ドルから1.4ドルの間で増加する)。
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。