論文の概要: Reconfigurable Intelligent Surface (RIS)-Assisted Entanglement
Distribution in FSO Quantum Networks
- arxiv url: http://arxiv.org/abs/2401.10823v1
- Date: Fri, 19 Jan 2024 17:16:40 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-22 15:09:50.865736
- Title: Reconfigurable Intelligent Surface (RIS)-Assisted Entanglement
Distribution in FSO Quantum Networks
- Title(参考訳): FSO量子ネットワークにおける再構成可能なインテリジェントサーフェス(RIS)支援エンタングルメント分布
- Authors: Mahdi Chehimi, Mohamed Elhattab, Walid Saad, Gayane Vardoyan, Nitish
K. Panigrahy, Chadi Assi, Don Towsley
- Abstract要約: 自由空間光(FSO)量子チャネルに依存する量子ネットワーク(QN)は、光ファイバー基盤の確立が困難でコストがかかる環境における量子アプリケーションをサポートすることができる。
エンタングルメント分布のための仮想視線を提供する費用効率の高いフレームワークとして,再構成可能なインテリジェントサーフェス(RIS)を用いたFSOベースのQNを提案する。
- 参考スコア(独自算出の注目度): 62.87033427172205
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum networks (QNs) relying on free-space optical (FSO) quantum channels
can support quantum applications in environments wherein establishing an
optical fiber infrastructure is challenging and costly. However, FSO-based QNs
require a clear line-of-sight (LoS) between users, which is challenging due to
blockages and natural obstacles. In this paper, a reconfigurable intelligent
surface (RIS)-assisted FSO-based QN is proposed as a cost-efficient framework
providing a virtual LoS between users for entanglement distribution. A novel
modeling of the quantum noise and losses experienced by quantum states over FSO
channels defined by atmospheric losses, turbulence, and pointing errors is
derived. Then, the joint optimization of entanglement distribution and RIS
placement problem is formulated, under heterogeneous entanglement rate and
fidelity constraints. This problem is solved using a simulated annealing
metaheuristic algorithm. Simulation results show that the proposed framework
effectively meets the minimum fidelity requirements of all users' quantum
applications. This is in stark contrast to baseline algorithms that lead to a
drop of at least 83% in users' end-to-end fidelities. The proposed framework
also achieves a 64% enhancement in the fairness level between users compared to
baseline rate maximizing frameworks. Finally, the weather conditions, e.g.,
rain, are observed to have a more significant effect than pointing errors and
turbulence.
- Abstract(参考訳): 自由空間光(FSO)量子チャネルに依存する量子ネットワーク(QN)は、光ファイバー基盤の確立が困難でコストがかかる環境における量子アプリケーションをサポートすることができる。
しかし、FSOベースのQNは、ユーザ間の明確な視線(LoS)を必要とする。
本稿では,ユーザ間で仮想LoSを提供するコスト効率の高いフレームワークとして,再構成可能なインテリジェントサーフェス(RIS)を用いたFSOベースのQNを提案する。
大気の損失、乱流、ポインティングエラーによって定義されるFSOチャネル上での量子状態による量子ノイズと損失をモデル化する。
そして、不均一な絡み合い率と忠実度制約の下で、絡み合い分布とRIS配置問題の合同最適化を定式化する。
この問題はシミュレートされたアニーリングメタヒューリスティックアルゴリズムを用いて解決される。
シミュレーションの結果,提案フレームワークは全ユーザの量子アプリケーションの最小忠実度要件を効果的に満たしていることがわかった。
これは、エンド・ツー・エンドのフィデリティの少なくとも83%の減少につながるベースラインアルゴリズムとは対照的である。
提案フレームワークは,ベースラインレートの最大化フレームワークと比較して,ユーザ間の公平度レベルが64%向上する。
最後に、雨などの気象条件は、誤差や乱気流を指さすよりも大きな効果があることが観察される。
関連論文リスト
- Quantum Annealing and Graph Neural Networks for Solving TSP with QUBO [0.0]
本稿では、量子アニーリングアルゴリズムとグラフニューラルネットワークによるトラベリングセールスマン問題(TSP)の解法として、二次非拘束バイナリ最適化(QUBO)モデルの適用について検討する。
TSP(QGNN-TSP)のためのグラフニューラルネットワークソリューションを導入し、問題の基盤構造を学習し、QUBOに基づく損失関数の勾配降下による競合ソリューションを生成する。
論文 参考訳(メタデータ) (2024-02-21T05:55:00Z) - A joint optimization approach of parameterized quantum circuits with a
tensor network [0.0]
現在の中間スケール量子(NISQ)デバイスはその能力に制限がある。
本稿では,パラメータ化ネットワーク(TN)を用いて,変分量子固有解法(VQE)アルゴリズムの性能改善を試みる。
論文 参考訳(メタデータ) (2024-02-19T12:53:52Z) - Client Orchestration and Cost-Efficient Joint Optimization for
NOMA-Enabled Hierarchical Federated Learning [55.49099125128281]
半同期クラウドモデルアグリゲーションの下で非直交多重アクセス(NOMA)を実現するHFLシステムを提案する。
提案手法は,HFLの性能改善と総コスト削減に関するベンチマークよりも優れていることを示す。
論文 参考訳(メタデータ) (2023-11-03T13:34:44Z) - Elastic Entangled Pair and Qubit Resource Management in Quantum Cloud
Computing [73.7522199491117]
量子クラウドコンピューティング(QCC)は、量子コンピューティングリソースを効率的に提供するための有望なアプローチを提供する。
ユーザ需要の変動と量子回路の要求は、効率的なリソース供給のために困難である。
本稿では、量子コンピューティングとネットワークリソースのプロビジョニングのためのリソース割り当てモデルを提案する。
論文 参考訳(メタデータ) (2023-07-25T00:38:46Z) - Scaling Limits of Quantum Repeater Networks [62.75241407271626]
量子ネットワーク(QN)は、セキュアな通信、強化されたセンシング、効率的な分散量子コンピューティングのための有望なプラットフォームである。
量子状態の脆弱な性質のため、これらのネットワークはスケーラビリティの観点から大きな課題に直面している。
本稿では,量子リピータネットワーク(QRN)のスケーリング限界について解析する。
論文 参考訳(メタデータ) (2023-05-15T14:57:01Z) - Optimal Privacy Preserving for Federated Learning in Mobile Edge
Computing [35.57643489979182]
ユーザ差分プライバシ(DP)を維持するための有望なアプローチとして,無線ネットワーク上での定量化と意図的なノイズ付加によるフェデレーション学習(FL)がある。
本稿では,無線ネットワークとDP要件の制約下での収束率を最大化するために,量子化と二項機構パラメータと通信資源を協調的に最適化することを目的とする。
論文 参考訳(メタデータ) (2022-11-14T07:54:14Z) - Green, Quantized Federated Learning over Wireless Networks: An
Energy-Efficient Design [68.86220939532373]
有限精度レベルは、固定精度フォーマットで重みとアクティベーションを定量化する量子ニューラルネットワーク(QNN)を使用して取得される。
提案するFLフレームワークは,ベースラインFLアルゴリズムと比較して,収束までのエネルギー消費量を最大70%削減することができる。
論文 参考訳(メタデータ) (2022-07-19T16:37:24Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳(メタデータ) (2020-10-20T12:06:27Z) - Scaling Up Electronic Structure Calculations on Quantum Computers: The
Frozen Natural Orbital Based Method of Increments [0.0]
MI-FNOフレームワークは量子化学シミュレーションのための占有空間と仮想軌道空間を体系的に還元する。
MI-FNO還元によるインクリメントの相関エネルギーは、様々なアルゴリズムで解ける。
また,MI-FNO手法は,全システムシミュレーションと比較して,キュービット要求を著しく低減することを示した。
論文 参考訳(メタデータ) (2020-02-18T22:07:42Z)
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。