Fugu-MT 論文翻訳(概要): Bell pair extraction using graph foliage techniques

論文の概要: Bell pair extraction using graph foliage techniques

arxiv url: http://arxiv.org/abs/2311.16188v2
Date: Wed, 21 Feb 2024 04:03:35 GMT
ステータス: 処理完了
システム内更新日: 2024-02-22 19:54:06.815616
Title: Bell pair extraction using graph foliage techniques
Title（参考訳）: グラフ葉法によるベル対抽出
Authors: Derek Zhang
Abstract要約: 私たちは、複数のペアがネットワーク間で同時に通信できるかどうかに興味を持っています。量子ネットワークはグラフ状態で表すことができ、グラフ状態上で特定の量子演算を実行するための通信リンクを生成することができる。
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: Future quantum networks can facilitate communication of quantum information between various nodes. We are particularly interested in whether multiple pairs can communicate simultaneously across a network. Quantum networks can be represented with graph states, and producing communication links amounts to performing certain quantum operations on graph states. This problem can be formulated in a graph-theoretic sense with the (Bell) vertex-minor problem. We discuss the recently introduced foliage partition and provide a generalization. This generalization leads us to a useful result for approaching the vertex-minor problem. We apply this result to identify the exact solution for the Bell vertex-minor problem on line, tree, and ring graphs.
Abstract（参考訳）: 将来の量子ネットワークは、様々なノード間の量子情報の通信を容易にする。特に、複数のペアがネットワークをまたいで同時に通信できるかどうかに関心があります。量子ネットワークはグラフ状態で表現することができ、グラフ状態上で特定の量子演算を実行するための通信リンクを生成する。この問題は(ベル)頂点マイナー問題とグラフ理論的な意味で定式化することができる。我々は最近導入された葉分断について論じ、一般化を提供する。この一般化は、頂点-小問題へのアプローチに有用な結果をもたらす。この結果を用いて、線、木、環グラフ上のベル頂点・マイノール問題の厳密解を同定する。

関連論文リスト

InstructG2I: Synthesizing Images from Multimodal Attributed Graphs [50.852150521561676]
InstructG2Iと呼ばれるグラフ文脈条件拡散モデルを提案する。 InstructG2Iはまずグラフ構造とマルチモーダル情報を利用して情報的隣人サンプリングを行う。 Graph-QFormerエンコーダは、グラフノードをグラフプロンプトの補助セットに適応的に符号化し、デノナイジングプロセスを導く。
論文参考訳（メタデータ） (2024-10-09T17:56:15Z)
Multipartite Entanglement Distribution in Quantum Networks using Subgraph Complementations [9.32782060570252]
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。グラフ状態の分布は,部分グラフ補完システムによって特徴づけられることを示す。任意のグラフ状態の分配に最適な部分グラフ補完演算の列を求める。
論文参考訳（メタデータ） (2023-08-25T23:03:25Z)
NodeFormer: A Scalable Graph Structure Learning Transformer for Node Classification [70.51126383984555]
本稿では,任意のノード間のノード信号を効率的に伝搬する全ペアメッセージパッシング方式を提案する。効率的な計算は、カーナライズされたGumbel-Softmax演算子によって実現される。グラフ上のノード分類を含む様々なタスクにおいて,本手法の有望な有効性を示す実験を行った。
論文参考訳（メタデータ） (2023-06-14T09:21:15Z)
Graph Mixup with Soft Alignments [49.61520432554505]
本研究では,画像上での使用に成功しているミキサアップによるグラフデータの増大について検討する。ソフトアライメントによるグラフ分類のための簡易かつ効果的な混合手法であるS-Mixupを提案する。
論文参考訳（メタデータ） (2023-06-11T22:04:28Z)
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)
Graphon-aided Joint Estimation of Multiple Graphs [24.077455621015552]
観測結果から複数のネットワークのトポロジを推定する問題を考察する。これは非パラメトリックなモデルであり、潜在的に異なるサイズのグラフを描画することができる。
論文参考訳（メタデータ） (2022-02-11T15:20:44Z)
Explicit Pairwise Factorized Graph Neural Network for Semi-Supervised Node Classification [59.06717774425588]
本稿では,グラフ全体を部分的に観測されたマルコフ確率場としてモデル化するEPFGNN(Explicit Pairwise Factorized Graph Neural Network)を提案する。出力-出力関係をモデル化するための明示的なペアワイズ要素を含み、入力-出力関係をモデル化するためにGNNバックボーンを使用する。本研究では,グラフ上での半教師付きノード分類の性能を効果的に向上できることを示す。
論文参考訳（メタデータ） (2021-07-27T19:47:53Z)
Graph Partitioning into Hamiltonian Subgraphs on a Quantum Annealer [0.0]
本稿では,グラフ分割におけるNP完全問題の解法として,量子アニールを用いる方法を示す。この問題を2次非拘束バイナリ最適化として定式化し、D波アドバンテージ量子アニール上で実行する。
論文参考訳（メタデータ） (2021-04-18T16:15:00Z)
Factorizable Graph Convolutional Networks [90.59836684458905]
本稿では,グラフに符号化された相互に絡み合った関係を明示的に解消する新しいグラフ畳み込みネットワーク(GCN)を提案する。 FactorGCNは単純なグラフを入力として取り、それをいくつかの分解グラフに分解する。提案したFacterGCNは,合成および実世界のデータセットに対して質的かつ定量的に評価する。
論文参考訳（メタデータ） (2020-10-12T03:01:40Z)
Distributing Graph States Across Quantum Networks [16.74626042261441]
ローカル操作が自由なノード量子コンピュータと、連続的に生成可能なノード間で共有されるEPRペアからなる量子ネットワークを考察する。提案手法は, 消費するEPRペア数, 消費するタイムステップ数, 必要な古典的通信量に対する上限値を示す。
論文参考訳（メタデータ） (2020-09-23T01:36:12Z)
Generation and Robustness of Quantum Entanglement in Spin Graphs [0.0]
絡み合いは量子情報処理にとって重要な資源である。グラフ構造を用いて高忠実な絡み合った状態を生成する方法を示す。また,製造誤差が絡み合い発生プロトコルに与える影響についても検討する。
論文参考訳（メタデータ） (2020-02-18T16:11:57Z)

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。