論文の概要: Quantum Strategies for Rendezvous and Domination Tasks on Graphs with
Mobile Agents
- arxiv url: http://arxiv.org/abs/2311.11817v1
- Date: Mon, 20 Nov 2023 14:54:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-21 18:26:23.221943
- Title: Quantum Strategies for Rendezvous and Domination Tasks on Graphs with
Mobile Agents
- Title(参考訳): 移動エージェントを用いたグラフ上のランデブー・ドミネーションタスクの量子戦略
- Authors: Giuseppe Viola and Piotr Mironowicz
- Abstract要約: 我々は,コミュニケーションなしで特定の分散タスクに従事しているモバイルエージェントに対して,量子的優位性を示す。
本研究は、グラフ上のランデブーの重大な課題に対処し、グラフ支配問題に根ざしたモバイルエージェントのための新しい分散タスクを導入する。
本稿は数値的な分析で締めくくり、我々の研究結果についてさらなる知見を提供する。
- 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: This paper explores the application of quantum non-locality, a renowned and
unique phenomenon acknowledged as a valuable resource. Focusing on a novel
application, we demonstrate its quantum advantage for mobile agents engaged in
specific distributed tasks without communication. The research addresses the
significant challenge of rendezvous on graphs and introduces a new distributed
task for mobile agents grounded in the graph domination problem. Through an
investigation across various graph scenarios, we showcase the quantum
advantage. Additionally, we scrutinize deterministic strategies, highlighting
their comparatively lower efficiency compared to quantum strategies. The paper
concludes with a numerical analysis, providing further insights into our
findings.
- Abstract(参考訳): 本稿では,量子非局所性(quantum non-locality)の応用について考察する。
新たなアプリケーションに焦点を当て,通信のない分散タスクに携わるモバイルエージェントの量子的優位性を実証する。
この研究は、グラフへのランデブーの重大な課題に対処し、グラフ支配問題に根ざした移動エージェントのための新しい分散タスクを導入する。
様々なグラフシナリオの調査を通じて、量子的優位性を示す。
さらに、決定論的戦略を精査し、量子戦略に比べて効率が比較的低いことを強調する。
本稿は数値的な分析で締めくくり、我々の研究結果についてさらなる知見を提供する。
関連論文リスト
- Neural auto-designer for enhanced quantum kernels [59.616404192966016]
本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。
私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
論文 参考訳(メタデータ) (2024-01-20T03:11:59Z) - Network Alignment with Transferable Graph Autoencoders [87.28177782039265]
本稿では,強力で堅牢なノード埋め込みを抽出するグラフオートエンコーダアーキテクチャを提案する。
生成した埋め込みがグラフの固有値と固有ベクトルと結びついていることを証明する。
提案フレームワークは転送学習とデータ拡張を利用して,大規模なネットワークアライメントを実現する。
論文 参考訳(メタデータ) (2023-10-05T02:58:29Z) - Over-Squashing in Graph Neural Networks: A Comprehensive survey [0.0]
この調査は、グラフニューラルネットワーク(GNN)におけるオーバースカッシングの課題を掘り下げるものだ。
オーバースカッシングの原因、結果、緩和戦略を包括的に探求する。
グラフの書き換え、新しい正規化、スペクトル分析、曲率に基づく戦略など、様々な手法がレビューされている。
また、オーバー・スムーシングなど、オーバー・スカッシングと他のGNN制限との相互作用についても論じている。
論文 参考訳(メタデータ) (2023-08-29T18:46:15Z) - Multipartite Entanglement in Quantum Networks using Subgraph
Complementations [10.483535574476477]
絡み合った状態は量子コンピューティングの構成要素である。
ノイズレス量子ネットワーク上でグラフ状態を分散する新しい手法を提案する。
本研究では,量子ビット数,古典的通信用ビット数,EPRペアの利用量の改善について述べる。
論文 参考訳(メタデータ) (2023-08-25T23:03:25Z) - Entanglement, quantum correlators and connectivity in graph states [0.0]
この研究は、グラフ状態の絡み合いと接続性に関する深い理解に寄与する。
量子情報処理や量子コンピューティングアプリケーションに対する貴重な洞察を提供する。
論文 参考訳(メタデータ) (2023-08-15T10:42:07Z) - Scientific Paper Extractive Summarization Enhanced by Citation Graphs [50.19266650000948]
我々は、引用グラフを活用して、異なる設定下での科学的論文の抽出要約を改善することに重点を置いている。
予備的な結果は、単純な教師なしフレームワークであっても、引用グラフが有用であることを示している。
そこで我々は,大規模ラベル付きデータが利用可能である場合のタスクにおいて,より正確な結果を得るために,グラフベースのスーパービジョン・サムライゼーション・モデル(GSS)を提案する。
論文 参考訳(メタデータ) (2022-12-08T11:53:12Z) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳(メタデータ) (2022-11-09T21:43:16Z) - Affinity-Aware Graph Networks [9.888383815189176]
グラフニューラルネットワーク(GNN)は、リレーショナルデータを学ぶための強力なテクニックとして登場した。
グラフニューラルネットワークの特徴としてアフィニティ尺度の利用について検討する。
本稿では,これらの特徴に基づくメッセージパッシングネットワークを提案し,その性能を様々なノードおよびグラフ特性予測タスクで評価する。
論文 参考訳(メタデータ) (2022-06-23T18:51:35Z) - From Quantum Graph Computing to Quantum Graph Learning: A Survey [86.8206129053725]
まず、量子力学とグラフ理論の相関関係について、量子コンピュータが有用な解を生成できることを示す。
本稿では,その実践性と適用性について,一般的なグラフ学習手法について概説する。
今後の研究の触媒として期待される量子グラフ学習のスナップショットを提供する。
論文 参考訳(メタデータ) (2022-02-19T02:56:47Z) - From Unsupervised to Few-shot Graph Anomaly Detection: A Multi-scale
Contrastive Learning Approach [49.439021563395976]
グラフデータからの異常検出は、ソーシャルネットワーク、金融、eコマースなど、多くのアプリケーションにおいて重要なデータマイニングタスクである。
マルチスケールcONtrastive lEarning(略してANEMONE)を用いた新しいフレームワーク, graph Anomaly dEtection フレームワークを提案する。
グラフニューラルネットワークをバックボーンとして、複数のグラフスケール(ビュー)から情報をエンコードすることで、グラフ内のノードのより良い表現を学習する。
論文 参考訳(メタデータ) (2022-02-11T09:45:11Z) - A portrait of the collaboration network in quantum information [0.9176056742068814]
研究者間のコラボレーションネットワークの統計的性質を解析する。
協調作業の量子情報ネットワークは,小世界の特性を表わし,非常に集約され,整理可能であることを示す。
論文 参考訳(メタデータ) (2021-12-06T22:59:14Z)
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。