論文の概要: SPARQ: Efficient Entanglement Distribution and Routing in Space-Air-Ground Quantum Networks

• arxiv url: http://arxiv.org/abs/2409.12891v1
• Date: Thu, 19 Sep 2024 16:31:37 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-07 12:59:09.674945
• Title: SPARQ: Efficient Entanglement Distribution and Routing in Space-Air-Ground Quantum Networks
• Title（参考訳）: SPARQ:宇宙空間量子ネットワークにおける効率的な絡み合い分布とルーティング
• Authors: Mohamed Shaban, Muhammad Ismail, Walid Saad,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 50.91365514137301
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this paper, a space-air-ground quantum (SPARQ) network is developed as a means for providing a seamless on-demand entanglement distribution. The node mobility in SPARQ poses significant challenges to entanglement routing. Existing quantum routing algorithms focus on stationary ground nodes and utilize link distance as an optimality metric, which is unrealistic for dynamic systems like SPARQ. Moreover, in contrast to the prior art that assumes homogeneous nodes, SPARQ encompasses heterogeneous nodes with different functionalities further complicates the entanglement distribution. To solve the entanglement routing problem, a deep reinforcement learning (RL) framework is proposed and trained using deep Q-network (DQN) on multiple graphs of SPARQ to account for the network dynamics. Subsequently, an entanglement distribution policy, third-party entanglement distribution (TPED), is proposed to establish entanglement between communication parties. A realistic quantum network simulator is designed for performance evaluation. Simulation results show that the TPED policy improves entanglement fidelity by 3% and reduces memory consumption by 50% compared with benchmark. The results also show that the proposed DQN algorithm improves the number of resolved teleportation requests by 39% compared with shortest path baseline and the entanglement fidelity by 2% compared with an RL algorithm that is based on long short-term memory (LSTM). It also improved entanglement fidelity by 6% and 9% compared with two state-of-the-art benchmarks. Moreover, the entanglement fidelity is improved by 15% compared with DQN trained on a snapshot of SPARQ. Additionally, SPARQ enhances the average entanglement fidelity by 23.5% compared with existing networks spanning only space and ground layers.
• Abstract（参考訳）: 本論文では、シームレスなオンデマンドエンタングルメント分布を提供する手段として、宇宙空間量子(SPARQ)ネットワークを開発した。 SPARQのノードモビリティは、絡み合いルーティングに重大な課題をもたらす。 既存の量子ルーティングアルゴリズムは静止した接地ノードに焦点を合わせ、リンク距離を最適度メートル法として利用するが、これはSPARQのような動的システムでは非現実的である。 さらに、同質なノードを仮定する先行技術とは対照的に、SPARQは異なる機能を持つ異質なノードを包含し、絡み合い分布をさらに複雑にする。 絡み合いルーティング問題を解決するために,ネットワークダイナミクスを考慮した深部Q-network (DQN) を用いて,深部Q-network (DQN) フレームワークを提案し,訓練した。 その後、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布(TPED)である絡み合い分布ポリシーを提案する。 現実的な量子ネットワークシミュレータは性能評価のために設計されている。 シミュレーション結果から,TPEDポリシは絡み合いの忠実度を3%改善し,メモリ消費量を50%削減することがわかった。 また,提案したDQNアルゴリズムは,長寿命メモリ(LSTM)に基づくRLアルゴリズムと比較して,最短経路のベースラインと絡み合いの忠実度に対して39%向上することを示した。 また、2つの最先端のベンチマークと比較して、エンタングルメントの忠実度を6%と9%改善した。 さらに、SPARQのスナップショットでトレーニングされたDQNと比較して、絡み合いの忠実度を15%改善する。 さらに、SPARQは空間層と地上層のみにまたがる既存のネットワークと比較して、平均エンタングルメント忠実度を23.5%向上させる。

関連論文リスト

• Entanglement Distribution Delay Optimization in Quantum Networks with Distillation [51.53291671169632]
  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。
  論文  参考訳（メタデータ） (2024-05-15T02:04:22Z)
• Non-parametric Greedy Optimization of Parametric Quantum Circuits [2.77390041716769]
  本研究の目的は、パラメトリックゲートを近似的に固定された非パラメトリック表現に置き換えることで、PQCの深さとゲート数を削減することである。 約14%の深さ減少と48%のゲート数減少を3.33%の精度で観測した。
  論文  参考訳（メタデータ） (2024-01-27T15:29:38Z)
• 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)
• 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)
• Fidelity-Guarantee Entanglement Routing in Quantum Networks [64.49733801962198]
  絡み合いルーティングは、2つの任意のノード間のリモート絡み合い接続を確立する。 量子ネットワークにおける複数のソース・デスティネーション(SD)ペアの忠実性を保証するために、精製可能な絡み合わせルーティング設計を提案する。
  論文  参考訳（メタデータ） (2021-11-15T14:07:22Z)
• Fully-echoed Q-routing with Simulated Annealing Inference for Flying Adhoc Networks [6.3372141874912735]
  自己適応学習率のフルエコーQ-routingアルゴリズムを提案する。 提案手法は,アートqルーティングプロトコルの状況と比較して,7%から82%までのエネルギー消費量の削減と2.6倍のパケット配送率の向上を示した。
  論文  参考訳（メタデータ） (2021-03-23T22:28:26Z)
• Decentralized Deep Reinforcement Learning for Network Level Traffic Signal Control [0.8838408191955874]
  本稿では,交通信号制御における高速かつリアルタイムな性能を実現するために,完全分散型深層マルチエージェント強化学習(MARL)アルゴリズムのファミリーを提案する。 各交差点は、他の交差点ノードに対してマルコフゲームを行うエージェントとしてモデル化される。 実験結果から,S2R2Lはトレーニング過程において,IDQLやS2RLよりも高速に収束し,収束性能が向上していることがわかった。
  論文  参考訳（メタデータ） (2020-07-02T06:58:27Z)
• Toward fast and accurate human pose estimation via soft-gated skip connections [97.06882200076096]
  本稿では,高精度かつ高効率な人間のポーズ推定について述べる。 我々は、最先端技術よりも精度と効率を両立させる文脈において、この設計選択を再分析する。 本モデルでは,MPII と LSP のデータセットから最先端の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-25T18:51:51Z)

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。