論文の概要: Efficient percolation simulations for lossy photonic fusion networks

• arxiv url: http://arxiv.org/abs/2312.04639v2
• Date: Fri, 5 Jul 2024 19:53:10 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-10 03:08:43.383085
• Title: Efficient percolation simulations for lossy photonic fusion networks
• Title（参考訳）: 損失フォトニック核融合ネットワークの効率的なパーコレーションシミュレーション
• Authors: Matthias C. Löbl, Stefano Paesani, Anders S. Sørensen,
• Abstract要約: 非標準パーコレーションモデルは測定に基づくフォトニック量子コンピューティングの文脈に現れる。 我々はNewman-Ziffアルゴリズムの修正を開発し、対応するパーコレーションシミュレーションを効率的に行う。 我々は,これらのアルゴリズムを用いて,模範核融合ネットワークやグラフ状態を特徴付けることで,我々のアルゴリズムを実証する。
• 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 study of percolation phenomena has various applications ranging from social networks or materials science to quantum information. The most common percolation models are bond- or site-percolation for which the Newman-Ziff algorithm enables an efficient simulation. Here, we consider several non-standard percolation models that appear in the context of measurement-based photonic quantum computing with so-called graph states and fusion networks. The associated percolation thresholds determine the tolerance to photon loss in such systems and we develop modifications of the Newman-Ziff algorithm to perform the corresponding percolation simulation efficiently. We demonstrate our algorithms by using them to characterize exemplary fusion networks and graph states. The used source code is provided as an open-source repository.
• Abstract（参考訳）: パーコレーション現象の研究は、ソーシャルネットワークや材料科学から量子情報まで様々な応用がある。 最も一般的なパーコレーションモデルは、Newman-Ziffアルゴリズムが効率的なシミュレーションを可能にするボンドまたはサイトパーコレーションである。 本稿では,いわゆるグラフ状態と融合ネットワークを用いた計測に基づくフォトニック量子コンピューティングの文脈に現れるいくつかの非標準パーコレーションモデルについて考察する。 関連するパーコレーション閾値は、これらのシステムにおける光子損失に対する耐性を判定し、ニューマン・ジフアルゴリズムの修正を開発し、対応するパーコレーションシミュレーションを効率的に行う。 我々は,これらのアルゴリズムを用いて,模範核融合ネットワークやグラフ状態を特徴付けることで,我々のアルゴリズムを実証する。 使用済みのソースコードはオープンソースリポジトリとして提供される。

関連論文リスト

• Quantum Convolutional Neural Network with Flexible Stride [7.362858964229726]
  本稿では,新しい量子畳み込みニューラルネットワークアルゴリズムを提案する。 異なるタスクに対応するために、柔軟にストライドを調整できます。 データスケールの指数加速度を、従来のものに比べて少ないメモリで達成することができる。
  論文  参考訳（メタデータ） (2024-12-01T02:37:06Z)
• Fusion and flow: formal protocols to reliably build photonic graph states [0.0]
  最近提案されたフュージョンベースのアーキテクチャは、普遍性とフォールトトレランスを達成することを目的としている。 本稿では,線形光学,ZX計算,データフロープログラミングを融合して,フォトニック量子コンピューティングのためのフレームワークを開発する。
  論文  参考訳（メタデータ） (2024-09-20T14:33:54Z)
• Quantum Sparse Coding and Decoding Based on Quantum Network [1.0683439960798695]
  スパース符号化と復号化アルゴリズムを実現するための対称量子ニューラルネットワークを提案する。 我々のネットワークは、光回路に自然に適合する多層2レベルユニタリ変換で構成されている。 我々は、古典的問題におけるバイナリとグレースケールの画像の疎符号化と復号化を実現し、量子問題における複雑な量子状態の復号化を実現した。
  論文  参考訳（メタデータ） (2024-06-10T04:21:27Z)
• Simulation of Entanglement Generation between Absorptive Quantum Memories [56.24769206561207]
  我々は、QUantum Network Communication (SeQUeNCe) のオープンソースシミュレータを用いて、2つの原子周波数コム(AFC)吸収量子メモリ間の絡み合いの発生をシミュレートする。 本研究は,SeQUeNCe における truncated Fock 空間内の光量子状態の表現を実現する。 本研究では,SPDC音源の平均光子数と,平均光子数とメモリモード数の両方で異なる絡み合い発生率を観測する。
  論文  参考訳（メタデータ） (2022-12-17T05:51:17Z)
• Faster Adaptive Federated Learning [84.38913517122619]
  フェデレートラーニングは分散データの出現に伴って注目を集めている。 本稿では,クロスサイロFLにおけるモーメントに基づく分散低減手法に基づく適応アルゴリズム(FAFED)を提案する。
  論文  参考訳（メタデータ） (2022-12-02T05:07:50Z)
• Convolutional Learning on Multigraphs [153.20329791008095]
  我々は、多グラフ上の畳み込み情報処理を開発し、畳み込み多グラフニューラルネットワーク(MGNN)を導入する。 情報拡散の複雑なダイナミクスを多グラフのエッジのクラス間で捉えるために、畳み込み信号処理モデルを定式化する。 我々は,計算複雑性を低減するため,サンプリング手順を含むマルチグラフ学習アーキテクチャを開発した。 導入されたアーキテクチャは、最適な無線リソース割り当てとヘイトスピーチローカライゼーションタスクに適用され、従来のグラフニューラルネットワークよりも優れたパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2022-09-23T00:33:04Z)
• Quantum Compressive Sensing: Mathematical Machinery, Quantum Algorithms, and Quantum Circuitry [10.286119086329762]
  圧縮センシングは、比較的少数の測定値から大きな信号の再構成を容易にするプロトコルである。 近年の研究では、興味のある信号の構造を学ぶためにテンソルネットワークを訓練する、データ駆動型アプローチが検討されている。 我々は、テンソルネットワークの状態が絡み合った量子ビットの集合上の量子状態である別の「量子」プロトコルを提案する。
  論文  参考訳（メタデータ） (2022-04-27T16:20:28Z)
• Learning Discriminative Shrinkage Deep Networks for Image Deconvolution [122.79108159874426]
  本稿では,これらの用語を暗黙的にモデル化する識別的縮小関数を学習することで,効果的に非盲検デコンボリューション手法を提案する。 実験結果から,提案手法は最先端の手法に対して,効率と精度の点で好適に動作することがわかった。
  論文  参考訳（メタデータ） (2021-11-27T12:12:57Z)
• Shared Prior Learning of Energy-Based Models for Image Reconstruction [69.72364451042922]
  本研究では,地中真理データを含まないトレーニングに特化して設計された画像再構成のための新しい学習ベースフレームワークを提案する。 基底真理データがない場合には、損失関数をパッチベースのワッサーシュタイン関数に変更する。 共用事前学習では、上記の最適制御問題と正規化器の共用学習パラメータを同時に最適化する。
  論文  参考訳（メタデータ） (2020-11-12T17:56:05Z)
• Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
  集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。 このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。 線形光ネットワークの転送行列を再構成する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-01T16:04:22Z)

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。