Fugu-MT 論文翻訳(概要): A practical framework for analyzing high-dimensional QKD setups

論文の概要: A practical framework for analyzing high-dimensional QKD setups

arxiv url: http://arxiv.org/abs/2406.08544v1
Date: Wed, 12 Jun 2024 18:00:01 GMT
ステータス: 処理完了
システム内更新日: 2024-06-14 22:27:16.715663
Title: A practical framework for analyzing high-dimensional QKD setups
Title（参考訳）: 高次元QKDセットアップ解析のための実践的枠組み
Authors: Florian Kanitschar, Marcus Huber,
Abstract要約: 高次元(HD)絡み合いは、鍵レートの強化と現代の量子通信が直面する障害の克服の両方を約束する。半定値プログラムの双対と、絡み合い-知性理論に着想を得た対角化演算子によって促進される柔軟な解析フレームワークを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: High-dimensional (HD) entanglement promises both enhanced key rates and overcoming obstacles faced by modern-day quantum communication. However, modern convex optimization-based security arguments are limited by computational constraints; thus, accessible dimensions are far exceeded by progress in HD photonics, bringing forth a need for efficient methods to compute key rates for large encoding dimensions. In response to this problem, we present a flexible analytic framework facilitated by the dual of a semi-definite program and diagonalizing operators inspired by entanglement-witness theory, enabling the efficient computation of key rates in high-dimensional systems. To facilitate the latter, we show how matrix completion techniques can be incorporated to effectively yield improved, computable bounds on the key rate in paradigmatic high-dimensional systems of time- or frequency-bin entangled photons and beyond.
Abstract（参考訳）: 高次元(HD)絡み合いは、鍵レートの強化と現代の量子通信が直面する障害の克服の両方を約束する。しかし、現代の凸最適化に基づくセキュリティ引数は計算の制約によって制限されており、アクセス可能な次元はHDフォトニクスの進歩によってはるかに超えられ、大きな符号化次元の鍵レートを計算する効率的な方法が必要となった。この問題に対して、半定値プログラムと対角化演算子の双対によって促進されるフレキシブルな解析フレームワークを提案し、高次元システムにおける鍵レートの効率的な計算を可能にした。後者を実現するために,時間・周波数結合光子のパラダイム的高次元システムにおいて,行列完備化手法を組み込むことにより,キーレートの効率よく向上し,計算可能なバウンダリが得られることを示す。

関連論文リスト

Fast Second-Order Online Kernel Learning through Incremental Matrix Sketching and Decomposition [22.39048660630147]
オンライン学習(OKL)は、ストリーミング環境での予測性能が期待できるため、かなりの研究関心を集めている。既存の2次OKLアプローチは、予め設定された予算に関して、少なくとも2次時間の複雑さに悩まされている。本稿では,2次OKLに適した高速増分行列スケッチと分解手法FORTSを提案する。
論文参考訳（メタデータ） (2024-10-15T02:07:48Z)
High-dimensional counterdiabatic quantum computing [0.0]
二次問題の文脈において、四重項を考慮し、四重項ハミルトニアン座標と反断熱駆動を得る。その結果,Quatritsを使用すれば,qubitsと比較して90倍のクオリティが得られることがわかった。
論文参考訳（メタデータ） (2024-10-14T15:29:01Z)
Towards Scalable Quantum Key Distribution: A Machine Learning-Based Cascade Protocol Approach [2.363573186878154]
量子鍵分配(Quantum Key Distribution, QKD)はセキュア通信のための重要な技術である。複雑な数学的モデルに依存する伝統的な鍵レート決定法は、しばしば効率と拡張性に欠ける。本稿では,機械学習(ML)技術をカスケード誤り訂正プロトコルに統合する手法を提案する。
論文参考訳（メタデータ） (2024-09-12T13:40:08Z)
Enhancing the performance of Variational Quantum Classifiers with hybrid autoencoders [0.0]
本稿では,特定の量子埋め込みを考慮し,与えられたデータセットの次元性を低減する方法を提案する。この方法は、VQCを用いた量子機械学習をより汎用的で高次元のデータセットに効果的にすることを目的としている。
論文参考訳（メタデータ） (2024-09-05T08:51:20Z)
Hybrid Dynamic Pruning: A Pathway to Efficient Transformer Inference [1.0919012968294923]
本稿では,頭部の疎度を用いてトランスフォーマーを高速化し,疎度をブロックし,注意の計算を減らし,メモリアクセスを減らし,新しいアルゴリズムアーキテクチャの共設計手法を提案する。注目スコアと注目ヘッドの巨大な冗長性を観測し、実行時に注目行列内の重要でないブロックをプルーする整数ベースの行平衡ブロックプルーニングを提案する。また、実行時に重要でないヘッドを検出およびプルーする整数ベースのヘッドプルーニングを提案する。
論文参考訳（メタデータ） (2024-07-17T11:15:16Z)
Fast, Scalable, Warm-Start Semidefinite Programming with Spectral Bundling and Sketching [53.91395791840179]
我々は、大規模なSDPを解くための、証明可能な正確で高速でスケーラブルなアルゴリズムであるUnified Spectral Bundling with Sketching (USBS)を提案する。 USBSは、20億以上の決定変数を持つインスタンス上で、最先端のスケーラブルなSDP解決器よりも500倍のスピードアップを提供する。
論文参考訳（メタデータ） (2023-12-19T02:27:22Z)
GloptiNets: Scalable Non-Convex Optimization with Certificates [61.50835040805378]
本稿では,ハイパーキューブやトーラス上のスムーズな関数を扱う証明書を用いた非キューブ最適化手法を提案する。スペクトルの減衰に固有の対象関数の正則性を活用することにより、正確な証明を取得し、高度で強力なニューラルネットワークを活用することができる。
論文参考訳（メタデータ） (2023-06-26T09:42:59Z)
On Robust Numerical Solver for ODE via Self-Attention Mechanism [82.95493796476767]
我々は,内在性雑音障害を緩和し,AIによって強化された数値解法を,データサイズを小さくする訓練について検討する。まず,教師付き学習における雑音を制御するための自己認識機構の能力を解析し,さらに微分方程式の数値解に付加的な自己認識機構を導入し,簡便かつ有効な数値解法であるAttrを提案する。
論文参考訳（メタデータ） (2023-02-05T01:39:21Z)
An Accelerated Doubly Stochastic Gradient Method with Faster Explicit Model Identification [97.28167655721766]
本稿では、分散正規化損失最小化問題に対する2倍加速勾配降下法(ADSGD)を提案する。まず、ADSGDが線形収束率を達成でき、全体的な計算複雑性を低減できることを示す。
論文参考訳（メタデータ） (2022-08-11T22:27:22Z)
Fully Quantized Image Super-Resolution Networks [81.75002888152159]
効率と精度を両立させるためのフル量子化画像超解像フレームワーク(FQSR)を提案する。我々は、SRResNet、SRGAN、EDSRを含む複数の主流超解像アーキテクチャに量子化スキームを適用した。低ビット量子化を用いたFQSRは、5つのベンチマークデータセットの完全精度と比較すると、パー性能で実現できる。
論文参考訳（メタデータ） (2020-11-29T03:53:49Z)
Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文参考訳（メタデータ） (2020-09-15T18:17:27Z)

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。