論文の概要: Improved Decoy-state and Flag-state Squashing Methods

• arxiv url: http://arxiv.org/abs/2405.05069v2
• Date: Wed, 12 Jun 2024 17:36:53 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-13 22:14:47.864535
• Title: Improved Decoy-state and Flag-state Squashing Methods
• Title（参考訳）: 改良型デコイ状態およびフラッグ状態スクアッシング法
• Authors: Lars Kamin, Norbert Lütkenhaus,
• Abstract要約: 我々はデコイ状態法の改良した解析法を提案する。 我々の主な焦点は、現在のデコイ状態法で観察される欠点を改善することである。 我々は、信号状態に応じて強度が変化するシナリオを包含するようにデコイ状態技術を拡張した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In this work, we present an improved analysis for decoy-state methods, enhancing both achievable key rates and recovering analytical results for the single intensity scenario. Our primary focus is improving the shortcomings observed in current decoy-state methods, particularly recovering results when employing no decoy intensities. Our methods enable the continuous interpolation across varying numbers of intensity settings. Additionally, we extend decoy-state techniques to encompass scenarios where intensities vary depending on the signal state, thereby relaxing the constraints on experimental implementations. Our findings demonstrate that a minimum of two intensities are sufficient for high asymptotic secret key rates, thereby further softening experimental requirements. Additionally, we address inherent imperfections within detection setups like imperfect beamsplitters. We derive provable secure lower bounds on the subspace population estimation, which is required for certain squashing methods such as the flag-state squasher. These analytical bounds allow us to encompass arbitrary passive linear optical setups, and together with intensities varying with each signal state, lets us include a broad class of experimental setups.
• Abstract（参考訳）: そこで本研究では,デコイ状態法の解析を改良し,達成可能なキーレートを向上し,単一強度シナリオに対する解析結果を復元する手法を提案する。 我々の主な焦点は、現在のデコイ状態法で観察される欠点を改善することであり、特にデコイ強度を使わずに結果を回復することである。 本手法は,様々な強度設定の連続的補間を可能にする。 さらに、信号状態によって強度が変化するシナリオを包含するようにデコイ状態技術を拡張し、実験的な実装の制約を緩和する。 以上の結果から,高漸近性秘密鍵レートでは最低2つの強度が十分であることが示唆された。 さらに、不完全なビームスプリッターなどの検出装置における固有の不完全性に対処する。 我々は、フラグ状態スカッシャーのような特定のスカッシング法に必要となる、サブスペース人口推定の証明可能な低い境界を導出する。 これらの解析的境界は任意の受動線形光学装置を包含することができ、各信号状態に応じて強度が変化することにより、幅広い実験装置を組み込むことができる。

関連論文リスト

• Intensity Confusion Matters: An Intensity-Distance Guided Loss for Bronchus Segmentation [68.50007997260464]
  特定の背景ボクセルの強度値が、気管支内の前景ボクセルに接近する。 Intensity-Distance Guided Losd関数を導入し、異なる画像ボクセルに適応重みを割り当て、強度混乱を引き起こすハードサンプルをマイニングする。
  論文  参考訳（メタデータ） (2024-06-23T16:09:21Z)
• Digging into contrastive learning for robust depth estimation with diffusion models [55.62276027922499]
  そこで我々はD4RDと呼ばれる新しい頑健な深度推定法を提案する。 複雑な環境での性能劣化を軽減するために、拡散モデルに適した独自のコントラスト学習モードを備えている。 実験では、D4RDは合成汚職データセットや現実世界の気象条件に関する最先端のソリューションを超越している。
  論文  参考訳（メタデータ） (2024-04-15T14:29:47Z)
• Security of decoy-state quantum key distribution with correlated intensity fluctuations [0.0]
  現在のデコイ状態のQKDセットアップは、GHz繰り返しで動作している。 変調器と電子回路のメモリ効果は 出力パルスの強度の間に 相関関係を生じさせる これにより、選択した強度に関する情報リークとなる。
  論文  参考訳（メタデータ） (2022-06-14T09:05:41Z)
• Reliable Causal Discovery with Improved Exact Search and Weaker Assumptions [17.097192646470372]
  線形ガウス設定における正確なスコアベース手法のスケーラビリティを向上させるためのいくつかの戦略を導入する。 我々は,忠実度よりも厳密な仮定を必要とする逆共分散行列の支持に基づく超構造推定法を開発した。 また,各変数とその近傍が生成する局所クラスタを,超構造内の2つのホップ内で正確に探索する局所探索戦略を提案する。
  論文  参考訳（メタデータ） (2022-01-14T20:52:30Z)
• Surveillance Evasion Through Bayesian Reinforcement Learning [78.79938727251594]
  ランダム終端の強度が全く不明な2次元連続経路計画問題を考える。 これらのオブザーバーの監視強度は未知であり、反復的な経路計画を通じて学ぶ必要がある。
  論文  参考訳（メタデータ） (2021-09-30T02:29:21Z)
• Critical Parameters for Scalable Distributed Learning with Large Batches and Asynchronous Updates [67.19481956584465]
  飽和を伴う分散トレーニング(SGD)の効率は、バッチサイズと、実装における停滞に決定的に依存することが実験的に観察されている。 結果がタイトであることを示し、数値実験で重要な結果を示しています。
  論文  参考訳（メタデータ） (2021-03-03T12:08:23Z)
• Reconstruction of Sparse Signals under Gaussian Noise and Saturation [1.9873949136858349]
  ほとんどの圧縮センシングアルゴリズムは、ノイズのある圧縮測定における飽和の影響を考慮していない。 本稿では,信号と飽和度の測定値との整合性を確保するためのデータ忠実度関数を提案する。
  論文  参考訳（メタデータ） (2021-02-08T03:01:46Z)
• Intensity Scan Context: Coding Intensity and Geometry Relations for Loop Closure Detection [26.209412893744094]
  ループ閉鎖検出は同時局所化とマッピング(SLAM)において不可欠かつ困難な問題である 既存の3次元ループ閉包検出の研究は、しばしば局所的あるいは大域的幾何学的のみの記述子のマッチングを利用する。 我々は,幾何学的特徴と強度特性の両方を探求する,新しいグローバル記述子であるインテンシティ・スキャン・コンテキスト(ISC)を提案する。
  論文  参考訳（メタデータ） (2020-03-12T08:11:09Z)
• Disentangling Adaptive Gradient Methods from Learning Rates [65.0397050979662]
  適応的勾配法が学習率のスケジュールとどのように相互作用するかを、より深く検討する。 我々は、更新の規模をその方向から切り離す"グラフティング"実験を導入する。 適応勾配法の一般化に関する経験的および理論的考察を示す。
  論文  参考訳（メタデータ） (2020-02-26T21:42:49Z)
• The Simulator: Understanding Adaptive Sampling in the Moderate-Confidence Regime [52.38455827779212]
  エミュレータと呼ばれる適応サンプリングを解析するための新しい手法を提案する。 適切なログファクタを組み込んだトップk問題の最初のインスタンスベースの下位境界を証明します。 我々の新しい分析は、後者の問題に対するこの種の最初のエミュレータであるベストアームとトップkの識別に、シンプルでほぼ最適であることを示した。
  論文  参考訳（メタデータ） (2017-02-16T23:42:02Z)

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。