論文の概要: Unveiling the Importance of Non-Shortest Paths in Quantum Networks

• arxiv url: http://arxiv.org/abs/2402.15462v2
• Date: Wed, 21 Aug 2024 00:42:53 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-22 22:44:58.278443
• Title: Unveiling the Importance of Non-Shortest Paths in Quantum Networks
• Title（参考訳）: 量子ネットワークにおける非強経路の重要性の解明
• Authors: Xinqi Hu, Gaogao Dong, Renaud Lambiotte, Kim Christensen, Jingfang Fan, Zihao Tian, Jianxi Gao, Shlomo Havlin, Xiangyi Meng,
• Abstract要約: コンカレンス・パーコレーションは非ショートパスに依存しており,これらのパスが再帰および拡張された場合,デトツーリングに対する高いレジリエンスを示す。 本研究はQN設計における重要な原則として,非ホルモン経路が古典的パーコレーションに比べてQN接続性に大きく寄与することを示す。
• 参考スコア（独自算出の注目度）: 1.3350320201707588
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The advancement of large-scale quantum technologies necessitates a deeper understanding of the quantum network (QN) design from first principles. Pioneering studies, however, do not fully capture the origin of the stronger connectivity in QN that surpasses classical percolation predictions. Here, we apply statistical physics to identify the origin of this stronger connectivity -- known as concurrence percolation. Our finding is demonstrated on hierarchical scale-free networks, the ($U,V$) flowers, which allow full analytical control over path connectivity by adjusting the two distinct path length scales, $U \leq V$. This advantage enables us to analytically determine the critical exponents for infinite systems well beyond the current simulation limits. Our analysis reveals for the first time that classical and concurrence percolations, while both satisfying the hyperscaling relation, fall into distinct universality classes. This distinction arises from their different methods for how to ``superpose'' parallel, non-shortest path contributions into overall connectivity. Notably, we find that concurrence percolation relies on non-shortest paths and shows a higher resilience to detouring when these paths are rerouted and extended. This increased resilience is also evident in real-world hierarchical, scale-free Internet networks. Our findings highlight a critical principle for QN design: non-shortest paths contribute significantly to QN connectivity compared to classical percolation -- as long as they are abundant.
• Abstract（参考訳）: 大規模量子技術の進歩は、第一原理から量子ネットワーク(QN)の設計をより深く理解する必要がある。 しかし、パイオニアリングの研究は、古典的なパーコレーション予測を超越したQNの強い接続の起源を完全には捉えていない。 ここでは、この強い接続の起源を特定するために統計物理学を適用し、コンカレンスパーコレーション(concurrence percolation)と呼ばれる。 我々の発見は,2つの異なる経路長スケール,$U \leq V$を調整することで,経路接続の完全な解析制御を可能にする階層的スケールフリーネットワーク(U,V$)で実証されている。 この利点は、現在のシミュレーション限界を超える無限系の臨界指数を解析的に決定することを可能にする。 我々の分析は、古典的および共起的パーコレーションが、両方の超スケーリング関係を満たす一方で、異なる普遍性クラスに分類されることを初めて明らかにしている。 この区別は、'superpose''を並列に非shortestパスを接続全体へのコントリビュートする方法の異なる方法に由来する。 特に,コンカレンス・パーコレーションは非ショートパスに依存しており,これらのパスが再帰および拡張された場合,デトツーリングに対する高いレジリエンスを示す。 このレジリエンスの増大は、現実の階層的でスケールのないインターネットネットワークでも明らかである。 従来のパーコレーションよりもQN接続性に大きく寄与するが、少ないパスが豊富である限り、QN接続性は向上する。

関連論文リスト

• An unconditional distribution learning advantage with shallow quantum circuits [0.0]
  浅量子回路仮説を用いた近似分布学習フレームワーク(PAC)において,非条件量子の優位性を証明した。 本研究では,1つの量子ビットゲートと2つの量子ビットゲートを用いた量子回路(QNC0)が,ファンイン古典回路(NC0)よりも優れているという有意義な生成的分布学習問題を仮説クラスの選択として挙げる。
  論文  参考訳（メタデータ） (2024-11-23T13:03:22Z)
• Percolation Theories for Quantum Networks [5.004146855779428]
  量子ネットワークの不完全性において、遠方のノード間でどのように効果的かつ間接的に絡み合うことができるのか? 従来のパーコレーションフレームワークは,ネットワークの間接接続性を一意に定義していないことを示す。 この実現により、"Concurrence Percolation"と呼ばれる別の理論が出現し、この理論は、大規模に現れる未認識の量子優位性を明らかにする。
  論文  参考訳（メタデータ） (2023-10-27T18:24:58Z)
• Hierarchical certification of nonclassical network correlations [50.32788626697182]
  ネットワークに対して線形および非線形ベル様の不等式を導出する。 我々はこの仮定を挿入し、その結果が実験で証明できる結果に繋がる。
  論文  参考訳（メタデータ） (2023-06-27T18:00:01Z)
• Symmetric Pruning in Quantum Neural Networks [111.438286016951]
  量子ニューラルネットワーク(QNN)は、現代の量子マシンの力を発揮する。 ハンドクラフト対称アンサーゼを持つQNNは、一般に非対称アンサーゼを持つものよりも訓練性が高い。 本稿では,QNNのグローバル最適収束を定量化するために,実効量子ニューラルネットワークカーネル(EQNTK)を提案する。
  論文  参考訳（メタデータ） (2022-08-30T08:17:55Z)
• Deep Architecture Connectivity Matters for Its Convergence: A Fine-Grained Analysis [94.64007376939735]
  我々は、勾配降下訓練におけるディープニューラルネットワーク(DNN)の収束に対する接続パターンの影響を理論的に特徴づける。 接続パターンの単純なフィルタリングによって、評価対象のモデルの数を削減できることが示される。
  論文  参考訳（メタデータ） (2022-05-11T17:43:54Z)
• Toward Trainability of Deep Quantum Neural Networks [87.04438831673063]
  ランダムな構造を持つ量子ニューラルネットワーク(QNN)は、回路深さと量子ビット数が増加するにつれて指数関数的に減少する勾配のため、トレーニング性に乏しい。 理論的保証のある深部QNNに対して、消滅する勾配問題に対する最初の実現可能な解決策を提供する。
  論文  参考訳（メタデータ） (2021-12-30T10:27:08Z)
• 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)
• Quantum-classical distance as a tool to design optimal chiral quantum walk [0.0]
  連続時間量子ウォーク(CTQW)は、量子輸送、普遍量子計算、量子空間探索のための貴重なモデルを提供する。 量子古典距離は、CTQWとその古典的距離のダイナミクスの差を捉え、ハミルトンのパラメータの最適化を導いている。
  論文  参考訳（メタデータ） (2021-06-22T11:38:58Z)
• Concurrence Percolation in Quantum Networks [3.52359746858894]
  我々は新しい統計理論、コンカレンス・パーコレーション理論(ConPT)を導入する。 その結果, ConPTにより予測されるエンタングルメント伝達閾値は, 既知の古典的パーコレーションに基づく結果よりも低いことがわかった。 ConPTはまた、ベーテ格子上の有限サイズ解析によって導かれるパーコレーションのような普遍的臨界挙動を示す。
  論文  参考訳（メタデータ） (2021-03-25T17:14:48Z)
• Toward Trainability of Quantum Neural Networks [87.04438831673063]
  量子ニューラルネットワーク(QNN)は、量子スピードアップを達成するために古典的ニューラルネットワークの一般化として提案されている。 QNNのトレーニングには、入力キュービット数に指数関数的に勾配速度がなくなるため、非常に大きなボトルネックが存在する。 木テンソルとステップ制御された構造を持つQNNを二分分類に適用し,ランダムな構造を持つQNNと比較してより高速な収束率と精度を示す。
  論文  参考訳（メタデータ） (2020-11-12T08:32:04Z)

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。