論文の概要: Parallel Segment Entanglement Swapping

• arxiv url: http://arxiv.org/abs/2407.06598v1
• Date: Tue, 9 Jul 2024 06:57:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-10 19:05:47.828998
• Title: Parallel Segment Entanglement Swapping
• Title（参考訳）: 並列セグメントエンタングルメントスワッピング
• Authors: Binjie He, Seng W. Loke, Dong Zhang,
• Abstract要約: 本稿では,既存の絡み換え戦略が直面する課題について分析する。 これらの問題を解決するために,PSES(Parallel Segment Entanglement Swapping)を提案する。 PSESは、他の絡み合いスワップ戦略よりも優れている。
• 参考スコア（独自算出の注目度）: 9.135407489360922
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the noisy intermediate-scale quantum era, scientists are trying to improve the entanglement swapping success rate by researching anti-noise technology on the physical level, thereby obtaining a higher generation rate of long-distance entanglement. However, we may improve the generation rate from another perspective, which is studying an efficient entanglement swapping strategy. This paper analyzes the challenges faced by existing entanglement swapping strategies, including the node allocation principle, time synchronization, and processing of entanglement swapping failure. We present Parallel Segment Entanglement Swapping (PSES) to solve these problems. The core idea of PSES is to segment the path and perform parallel entanglement swapping between segments to improve the generation rate of long-distance entanglement. We construct a tree-like model as the carrier of PSES and propose heuristic algorithms called Layer Greedy and Segment Greedy to transform the path into a tree-like model. Moreover, we realize the time synchronization and design the on-demand retransmission mechanism to process entanglement swapping failure. The experiments show that PSES performs superiorly to other entanglement swapping strategies, and the on-demand retransmission mechanism can reduce the average entanglement swapping time by 80% and the average entanglement consumption by 80%.
• Abstract（参考訳）: ノイズの多い中規模量子時代において、科学者は物理レベルでのアンチノイズ技術の研究により、エンタングルメントスワップの成功率を改善し、長距離エンタングルメントの発生率を高めようとしている。 しかし, 効率の良い絡み換え戦略を研究している別の観点から, 生成率を改善することができる。 本稿では,ノード割り当て原理,時間同期,絡み合いスワップ障害の処理など,既存の絡み合いスワップ戦略が直面する課題について分析する。 これらの問題を解決するために,PSES(Parallel Segment Entanglement Swapping)を提案する。 PSESの中核となる考え方は、経路を分割し、長距離絡みの発生率を改善するために、セグメント間で並列絡み替えを行うことである。 我々は,木のようなモデルをPSESのキャリアとして構築し,その経路を木のようなモデルに変換するためにレイヤグレディとセグメントグレディと呼ばれるヒューリスティックなアルゴリズムを提案する。 さらに、時間同期を実現し、障害の絡み合わせを処理するためのオンデマンド再送信機構を設計する。 実験の結果,PSESは他のエンタングルメントスワップ戦略よりも優れた性能を示し,オンデマンド再送信機構により,平均エンタングルメントスワップ時間を80%,平均エンタングルメント消費を80%削減できることがわかった。

関連論文リスト

• Optimized Generation of Entanglement by Real-Time Ordering of Swapping Operations [4.152766500389854]
  量子ネットワークにおける長距離量子通信は、非閉鎖定理によって課される制約のために大きな課題に直面している。 既存のほとんどの量子通信プロトコルは、絡み合い対(EP)の事前分布に依存している。 本稿では,現行のネットワークに基づいて,各段階において最適な経路および/または絡み込みスワッピング動作を反復的に決定するグリーディアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-13T06:43:11Z)
• Satellite Federated Edge Learning: Architecture Design and Convergence Analysis [47.057886812985984]
  本稿では,FEDMEGAという新しいFEELアルゴリズムを提案する。 軌道内モデルアグリゲーションのための衛星間リンク(ISL)を統合することにより、提案アルゴリズムは低データレートと断続的なGSLの使用を著しく削減する。 提案手法は,環全リデューサに基づく軌道内アグリゲーション機構と,グローバルモデルアグリゲーションのためのネットワークフローベースのトランスミッションスキームを組み合わせたものである。
  論文  参考訳（メタデータ） (2024-04-02T11:59:58Z)
• Convergence Acceleration in Wireless Federated Learning: A Stackelberg Game Approach [46.72890704790504]
  本稿では,FLOWN(Federated Learning over Wireless Network)における収束時間の共同最適化に関する問題点について検討する。 エネルギー制約下でのFLOWNの参加デバイス選択の基準とプロトコルを考察し,そのデバイス選択への影響を導出する。 本稿では,AoUに基づくデバイス選択アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-09-14T13:20:26Z)
• Low-rank Optimal Transport: Approximation, Statistics and Debiasing [51.50788603386766]
  フロゼットボン2021ローランで提唱された低ランク最適輸送(LOT)アプローチ LOTは興味のある性質と比較した場合、エントロピー正則化の正当な候補と見なされる。 本稿では,これらの領域のそれぞれを対象とし,計算OTにおける低ランクアプローチの影響を補強する。
  論文  参考訳（メタデータ） (2022-05-24T20:51:37Z)
• Improved Quantum Computing with the Higher-order Trotter Decomposition [9.713857446596721]
  我々は、プロパゲータを単一キュービット演算と固定時間システムの進化の組み合わせに還元するために、トロッター分解を用いる。 本研究では,高次トロッター分解により,変分量子アルゴリズムの効率の良い「解」が得られることを示す。
  論文  参考訳（メタデータ） (2022-05-05T09:01:14Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• Learning Iterative Robust Transformation Synchronization [71.73273007900717]
  グラフニューラルネットワーク(GNN)を用いて変換同期を学習することを提案する。 本研究では、ロバストな損失関数のハンドクラフトを回避するとともに、グラフニューラルネットワーク(GNN)を用いて変換同期を学習することを提案する。
  論文  参考訳（メタデータ） (2021-11-01T07:03:14Z)
• HPSGD: Hierarchical Parallel SGD With Stale Gradients Featuring [18.8426865970643]
  ディープニューラルネットワーク(DNN)の分散トレーニングプロセスを促進するために,新しい階層型並列SGD(HPSGD)戦略を提案する。 提案手法が分散DNNトレーニングを大幅に促進し, 定常勾配の乱れを低減し, 固定壁面の精度を向上することを示す実験を行った。
  論文  参考訳（メタデータ） (2020-09-06T10:17:56Z)
• Bottom-Up Temporal Action Localization with Mutual Regularization [107.39785866001868]
  TALの最先端の解決策は、3つの行動指示相のフレームレベルの確率を評価することである。 学習手順を相互に規則化するための2つの規則化用語を導入する。 実験は2つの人気のTALデータセット、THUMOS14とActivityNet1.3で行われている。
  論文  参考訳（メタデータ） (2020-02-18T03:59:13Z)

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。