論文の概要: Entanglement Distribution Delay Optimization in Quantum Networks with Distillation

• arxiv url: http://arxiv.org/abs/2405.09034v1
• Date: Wed, 15 May 2024 02:04:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-16 14:35:45.988184
• Title: Entanglement Distribution Delay Optimization in Quantum Networks with Distillation
• Title（参考訳）: 蒸留を伴う量子ネットワークにおけるエンタングルメント分布遅延最適化
• Authors: Mahdi Chehimi, Kenneth Goodenough, Walid Saad, Don Towsley, Tony X. Zhou,
• Abstract要約: 量子ネットワーク(QN)は、分散量子コンピューティングとセンシングアプリケーションを実現するために絡み合った状態を分散する。 QSリソース割り当てフレームワークは、エンド・ツー・エンド(e2e)の忠実度を高め、最小レートと忠実度を満たすために提案される。
• 参考スコア（独自算出の注目度）: 51.53291671169632
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum networks (QNs) distribute entangled states to enable distributed quantum computing and sensing applications. However, in such QNs, quantum switches (QSs) have limited resources that are highly sensitive to noise and losses and must be carefully allocated to minimize entanglement distribution delay. In this paper, a QS resource allocation framework is proposed, which jointly optimizes the average entanglement distribution delay and entanglement distillation operations, to enhance the end-to-end (e2e) fidelity and satisfy minimum rate and fidelity requirements. The proposed framework considers realistic QN noise and includes the derivation of the analytical expressions for the average quantum memory decoherence noise parameter, and the resulting e2e fidelity after distillation. Finally, practical QN deployment aspects are considered, where QSs can control 1) nitrogen-vacancy (NV) center SPS types based on their isotopic decomposition, and 2) nuclear spin regions based on their distance and coupling strength with the electron spin of NV centers. A simulated annealing metaheuristic algorithm is proposed to solve the QS resource allocation optimization problem. Simulation results show that the proposed framework manages to satisfy all users rate and fidelity requirements, unlike existing distillation-agnostic (DA), minimal distillation (MD), and physics-agnostic (PA) frameworks which do not perform distillation, perform minimal distillation, and does not control the physics-based NV center characteristics, respectively. Furthermore, the proposed framework results in around 30% and 50% reductions in the average e2e entanglement distribution delay compared to existing PA and MD frameworks, respectively. Moreover, the proposed framework results in around 5%, 7%, and 11% reductions in the average e2e fidelity compared to existing DA, PA, and MD frameworks, respectively.
• Abstract（参考訳）: 量子ネットワーク(QN)は、分散量子コンピューティングとセンシングアプリケーションを実現するために絡み合った状態を分散する。 しかし、そのようなQNでは、量子スイッチ(QS)はノイズや損失に非常に敏感な限られたリソースを持ち、絡み合い分布の遅延を最小限に抑えるために慎重に割り当てなければならない。 本稿では, 平均エンタングルメント分布遅延とエンタングルメント蒸留操作を共同で最適化し, エンド・ツー・エンド(e2e)フィディリティを向上し, 最小レートとフィディリティ要件を満たすQS資源配分フレームワークを提案する。 提案フレームワークは,QN雑音を現実的に考慮し,平均量子メモリデコヒーレンス雑音パラメータの解析式と蒸留後のe2e忠実度を導出する。 最後に、QSが制御できる実践的なQNデプロイメントの側面について検討する。 1)窒素空孔(NV)中心SPSの同位体分解による分析と解析 2)NV中心の電子スピンとの距離と結合強度に基づく核スピン領域。 QS資源割り当て最適化問題を解くために, シミュレーションアニールメタヒューリスティックアルゴリズムを提案する。 シミュレーションの結果,提案フレームワークは, 従来の蒸留非依存(DA), 最小蒸留(MD), 物理非依存(PA)フレームワークと異なり, 蒸留を行わず, 最小蒸留を行い, 物理に基づくNV中心特性を制御していない。 さらに,提案フレームワークは,既存のPAおよびMDフレームワークと比較して平均e2eエンタングルメント分布遅延を約30%,50%削減する。 さらに,提案フレームワークは,既存のDA,PA,MDフレームワークと比較して平均e2e忠実度を約5%,7%,そして11%削減する。

関連論文リスト

• SPARQ: Efficient Entanglement Distribution and Routing in Space-Air-Ground Quantum Networks [50.91365514137301]
  宇宙空間量子(SPARQ)ネットワークは、シームレスなオンデマンドの絡み合い分布を提供する手段として開発された。 SPARQの複数のグラフ上でディープQネットワーク(DQN)を用いて深層強化学習フレームワークを提案し,訓練した。 通信相手間の絡み合いを確立するために,サードパーティの絡み合い分散政策を提案する。
  論文  参考訳（メタデータ） (2024-09-19T16:31:37Z)
• Improved Optimization for the Neural-network Quantum States and Tests on the Chromium Dimer [11.985673663540688]
  ニューラルネットワーク量子状態(NQS)は、かなり高度な波動関数アンザッツ研究を持っている。 この研究は、NQSを用いたVMC最適化の計算要求を減らすために、3つのアルゴリズム拡張を導入する。
  論文  参考訳（メタデータ） (2024-04-14T15:07:57Z)
• Reconfigurable Intelligent Surface (RIS)-Assisted Entanglement Distribution in FSO Quantum Networks [62.87033427172205]
  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。
  論文  参考訳（メタデータ） (2024-01-19T17:16:40Z)
• Q-DETR: An Efficient Low-Bit Quantized Detection Transformer [50.00784028552792]
  Q-DETRのボトルネックは、我々の経験的分析によるクエリ情報の歪みから生じる。 情報ボトルネック(IB)の原理をQ-DETRの学習に一般化することで導出できる2レベル最適化問題としてDRDを定式化する。 本研究では,教師情報を蒸留所要の機能に効果的に転送し,条件情報エントロピーを最小化する,フォアグラウンド対応クエリマッチング手法を提案する。
  論文  参考訳（メタデータ） (2023-04-01T08:05:14Z)
• 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)
• An Efficient Gradient Sensitive Alternate Framework for VQE with Variable Ansatz [13.360755226969678]
  本稿では,変分量子固有解器(VQE)の性能を高めるために,可変アンサッツを用いた勾配感度代替フレームワークを提案する。 本研究では,ハードウェア効率のよいアンサッツと比較して,検出した解の誤差を最大87.9%向上することを示す。
  論文  参考訳（メタデータ） (2022-05-06T06:15:10Z)
• Federated Learning for Energy-limited Wireless Networks: A Partial Model Aggregation Approach [79.59560136273917]
  デバイス間の限られた通信資源、帯域幅とエネルギー、およびデータ不均一性は、連邦学習(FL)の主要なボトルネックである まず、部分モデルアグリゲーション(PMA)を用いた新しいFLフレームワークを考案する。 提案されたPMA-FLは、2つの典型的な異種データセットにおいて2.72%と11.6%の精度を改善する。
  論文  参考訳（メタデータ） (2022-04-20T19:09:52Z)
• Physics-aware deep neural networks for surrogate modeling of turbulent natural convection [0.0]
  Rayleigh-B'enard乱流流に対するPINNのサーロゲートモデルの使用を検討する。 標準ピンの精度が低いゾーンであるトレーニング境界に近い正規化として、どのように機能するかを示す。 50億のDNS座標全体のサロゲートの予測精度は、相対的なL2ノルムで[0.3% -- 4%]の範囲のすべてのフロー変数のエラーをもたらします。
  論文  参考訳（メタデータ） (2021-03-05T09:48:57Z)

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。