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

• arxiv url: http://arxiv.org/abs/2402.15462v3
• Date: Thu, 12 Dec 2024 06:09:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-13 13:29:07.385947
• 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, Kim Christensen, Hanlin Sun, Jingfang Fan, Zihao Tian, Jianxi Gao, Shlomo Havlin, Renaud Lambiotte, Xiangyi Meng,
• Abstract要約: 我々は、スケールフリーネットワーク上での強い接続の起源を明らかにするために、統計物理学モデル(コンカレンスパーコレーション)を適用した。 以上の結果から,QN設計における重要な原則が浮かび上がっている。
• 参考スコア（独自算出の注目度）: 1.2920416805641026
• License:
• Abstract: Quantum networks (QNs) exhibit stronger connectivity than predicted by classical percolation, yet the origin of this phenomenon remains unexplored. Here, we apply a statistical physics model -- concurrence percolation -- to uncover the origin of stronger connectivity on hierarchical scale-free networks, the ($U,V$) flowers. These networks allow full analytical control over path connectivity through two adjustable path-length parameters, $U \leq V$. This precise control enables us to determine critical exponents well beyond current simulation limits, revealing that classical and concurrence percolations, while both satisfying the hyperscaling relation, fall into distinct universality classes. This distinction arises from how they ``superpose'' parallel, non-shortest path contributions into overall connectivity. Concurrence percolation, unlike its classical counterpart, is sensitive to non-shortest paths and shows higher resilience to detours as these paths lengthen. This enhanced resilience is also observed in real-world hierarchical, scale-free Internet networks. Our findings highlight a crucial principle for QN design: when non-shortest paths are abundant, they notably enhance QN connectivity beyond what is achievable with classical percolation.
• Abstract（参考訳）: 量子ネットワーク(QN)は、古典的なパーコレーションによって予測されるよりも強い接続性を示すが、この現象の起源は未解明のままである。 ここでは、階層的なスケールのないネットワーク、すなわち(U,V$)花の強い接続の起源を明らかにするために、統計物理学モデル(コンカレンスパーコレーション)を適用する。 これらのネットワークは2つの調整可能な経路長パラメータ、$U \leq V$を通して経路接続を完全に解析的に制御できる。 この厳密な制御により、現在のシミュレーション限界を超えて臨界指数を決定することができ、古典的および共起パーコレーションはどちらも超スケーリング関係を満たすが、異なる普遍性クラスに陥る。 この区別は、それらが‘superpose’を並列で非shortestパスが全体的な接続性にどのように貢献するかから生じる。 コンカレンス・パーコレーション(英語版)は、古典的なものと異なり、非ホルモン経路に敏感であり、これらの経路が長引くにつれてデトゥールに対する高いレジリエンスを示す。 この強化されたレジリエンスは、現実世界の階層的でスケールレスなインターネットネットワークでも見られる。 以上の結果から,QN設計における重要な原則が浮かび上がっている。

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。