論文の概要: Quantum Internet: Resource Estimation for Entanglement Routing

• arxiv url: http://arxiv.org/abs/2410.10512v2
• Date: Tue, 22 Apr 2025 12:50:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-01 02:46:48.033639
• Title: Quantum Internet: Resource Estimation for Entanglement Routing
• Title（参考訳）: 量子インターネット:絡み合いルーティングのためのリソース推定
• Authors: Manik Dawar, Ralf Riedinger, Nilesh Vyas, Paulo Mendes,
• Abstract要約: 本稿では、絡み合いルーティングによって消費される資源の程度を解析的に近似する。 本モデルでは,効率的なネットワーク動作のための誤差閾値をかなり厳格に予測する。 ダイヤモンドに閉じ込められたイオンと色中心が、現在、大規模ネットワークへの最良のルートを提供していることがわかりました。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum repeaters have promised efficient scaling of quantum networks for over two decades. Despite numerous platforms proclaiming functional repeaters, the realization of large-scale networks remains elusive, indicating that the resources required to do so were thus far underestimated. %RR0209 Here, we investigate the dependence of resource scaling of networks on realistic experimental errors. Using a nested repeater protocol based on the purification protocol by Bennett et al., we provide an analytical approximation of the polynomial degree of the resources consumed by entanglement routing. Our error model predicts substantially stricter thresholds for efficient network operation than previously suggested, requiring two-qubit gate errors below 1.3\% for resource scaling with polynomial degree below 10. The analytical model presented here provides insight into the reason why previous experimental implementations of quantum repeaters failed to scale efficiently and inform the development of truly scalable systems, highlighting the need for high-fidelity local two-qubit gates. We employ our analytical approximation of the scaling exponent as a figure of merit to compare different platforms and find that trapped ions and color centers in diamond currently provide the best route towards large-scale networks.
• Abstract（参考訳）: 量子リピータは、20年以上にわたって量子ネットワークの効率的なスケーリングを約束してきた。 多くのプラットフォームが機能的リピータを宣言しているが、大規模ネットワークの実現はいまだに解明されていない。 %RR0209 ここでは,実際の実験誤差に対するネットワークの資源スケーリングの依存性について検討する。 我々はBennettらによる浄化プロトコルに基づくネスト型リピータプロトコルを用いて、絡み合いルーティングによって消費される資源の多項式次数の解析的近似を提供する。 提案手法では,2量子ゲート誤差が1.3\%以下で,多項式次数10未満のリソーススケーリングが要求される。 この分析モデルは、従来の量子リピータの実験的な実装が効率よくスケールできなかった理由を洞察し、真にスケーラブルなシステムの開発を知らせ、高忠実なローカル2ビットゲートの必要性を強調している。 我々は、様々なプラットフォームを比較し、ダイヤモンドに閉じ込められたイオンと色中心が、大規模ネットワークへの最良の経路であることを示すために、スケーリング指数の分析的近似を用いている。

関連論文リスト

• Comparing One- and Two-way Quantum Repeater Architectures [9.942288691108914]
  量子リピータは、長距離量子通信を実現するための重要なビルディングブロックである。 量子情報の脆弱な性質のため、これらのリピータは損失と運用上のエラーに悩まされる。 近年, 利用可能なメモリ数の増加と多重化による絡み合い生成の導入は, ワンウェイリピータアーキテクチャと双方向リピータアーキテクチャの再比較を動機付けている。
  論文  参考訳（メタデータ） (2024-09-10T01:55:01Z)
• Generalized quantum repeater graph states [1.7635061227370266]
  単一ビットを分散する際の損失耐性を確保するための新しい手法を提案する。 私たちの新しいスキームは、以前の仕事を非常に柔軟で大幅に上回っていることを実証します。 これらの発見は、損失耐性量子ネットワークのスケーラビリティと信頼性に関する新たな洞察を提供する。
  論文  参考訳（メタデータ） (2024-07-01T16:21:37Z)
• Predicting Probabilities of Error to Combine Quantization and Early Exiting: QuEE [68.6018458996143]
  本稿では,量子化と早期出口動的ネットワークを組み合わせたより一般的な動的ネットワークQuEEを提案する。 我々のアルゴリズムは、ソフトアーリーエグジットや入力依存圧縮の一形態と見なすことができる。 提案手法の重要な要素は、さらなる計算によって実現可能な潜在的な精度向上の正確な予測である。
  論文  参考訳（メタデータ） (2024-06-20T15:25:13Z)
• Inverted-circuit zero-noise extrapolation for quantum gate error mitigation [0.0]
  本稿では,量子回路で発生する誤差の強度を簡易に推定する手法を提案する。 逆回路を付加し、初期状態の確率を測定することにより、回路の誤差強度を決定する。 提案手法は,現在のハードウェアにおいて特に有効であることが証明され,その短期量子コンピューティングアプリケーションへの適用性を示す。
  論文  参考訳（メタデータ） (2024-03-03T20:27:27Z)
• Leveraging junk information to enhance the quantum error mitigation [8.049186254119121]
  我々はSQNF(Self-Trained Quantum Noise Filter)という量子誤差低減手法を導入する。 以上の結果から,提案手法は人口分布の不確実性を著しく低減できることが示された。
  論文  参考訳（メタデータ） (2024-02-16T07:01:18Z)
• Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
  本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。 我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
  論文  参考訳（メタデータ） (2023-09-11T18:00:00Z)
• Elastic Entangled Pair and Qubit Resource Management in Quantum Cloud Computing [73.7522199491117]
  量子クラウドコンピューティング(QCC)は、量子コンピューティングリソースを効率的に提供するための有望なアプローチを提供する。 ユーザ需要の変動と量子回路の要求は、効率的なリソース供給のために困難である。 本稿では、量子コンピューティングとネットワークリソースのプロビジョニングのためのリソース割り当てモデルを提案する。
  論文  参考訳（メタデータ） (2023-07-25T00:38:46Z)
• Entangled Pair Resource Allocation under Uncertain Fidelity Requirements [59.83361663430336]
  量子ネットワークにおいて、効果的な絡み合いルーティングは、量子ソースと量子宛先ノード間の通信を容易にする。 本稿では,絡み合ったペアに対する資源配分モデルと,整合性保証を伴う絡み合ったルーティングモデルを提案する。 提案モデルでは, ベースラインモデルと比較して, 総コストを少なくとも20%削減できる。
  論文  参考訳（メタデータ） (2023-04-10T07:16:51Z)
• Fault Tolerant Non-Clifford State Preparation for Arbitrary Rotations [3.47670594338385]
  ゲートテレポーテーションのための資源状態を効率的に作成するためのポストセレクションに基づくアルゴリズムを提案する。 提案アルゴリズムは,符号距離による論理誤差の指数的抑制を実証し,耐故障性を実現する。 提案手法は,誤り訂正型およびノイズの多い中間規模量子コンピュータにおいて,量子アルゴリズムのリソース要求を削減するための有望な経路を示す。
  論文  参考訳（メタデータ） (2023-03-30T13:46:52Z)
• Semantic Strengthening of Neuro-Symbolic Learning [85.6195120593625]
  ニューロシンボリックアプローチは一般に確率論的目的のファジィ近似を利用する。 トラクタブル回路において,これを効率的に計算する方法を示す。 我々は,Warcraftにおける最小コストパスの予測,最小コスト完全マッチングの予測,スドクパズルの解法という3つの課題に対して,アプローチを検証した。
  論文  参考訳（メタデータ） (2023-02-28T00:04:22Z)
• Standard Deviation-Based Quantization for Deep Neural Networks [17.495852096822894]
  深層ニューラルネットワークの量子化は、推論コストを低減するための有望なアプローチである。 ネットワークの重みと活性化分布の知識を用いて量子化間隔(離散値)を学習する新しいフレームワークを提案する。 提案手法は,ネットワークのパラメータを同時に推定し,量子化過程におけるプルーニング比を柔軟に調整する。
  論文  参考訳（メタデータ） (2022-02-24T23:33:47Z)
• Post-training Quantization for Neural Networks with Provable Guarantees [9.58246628652846]
  学習後ニューラルネットワーク量子化手法であるGPFQを,欲求経路追従機構に基づいて修正する。 単層ネットワークを定量化するためには、相対二乗誤差は本質的に重み数で線形に減衰する。
  論文  参考訳（メタデータ） (2022-01-26T18:47:38Z)
• Fundamental limits of quantum error mitigation [0.0]
  本稿では, サンプリングオーバーヘッドの関数として, 誤差軽減アルゴリズムが計算誤差を低減する方法を示す。 この結果から、与えられた量子誤り軽減戦略が最適であり、改善の余地があるかどうかを識別する手段が提供される。
  論文  参考訳（メタデータ） (2021-09-09T17:56:14Z)
• Cluster-Promoting Quantization with Bit-Drop for Minimizing Network Quantization Loss [61.26793005355441]
  クラスタ・プロモーティング・量子化(CPQ)は、ニューラルネットワークに最適な量子化グリッドを見つける。 DropBitsは、ニューロンの代わりにランダムにビットをドロップする標準のドロップアウト正規化を改訂する新しいビットドロップ技術である。 本手法を様々なベンチマークデータセットとネットワークアーキテクチャ上で実験的に検証する。
  論文  参考訳（メタデータ） (2021-09-05T15:15:07Z)
• Semi-supervised Network Embedding with Differentiable Deep Quantisation [81.49184987430333]
  我々はネットワーク埋め込みのための微分可能な量子化法であるd-SNEQを開発した。 d-SNEQは、学習された量子化符号にリッチな高次情報を与えるためにランク損失を組み込む。 トレーニング済みの埋め込みのサイズを大幅に圧縮できるため、ストレージのフットプリントが減少し、検索速度が向上する。
  論文  参考訳（メタデータ） (2021-08-20T11:53:05Z)
• SignalNet: A Low Resolution Sinusoid Decomposition and Estimation Network [79.04274563889548]
  本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。 基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。 シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
  論文  参考訳（メタデータ） (2021-06-10T04:21:20Z)
• Optimizing Entanglement Generation and Distribution Using Genetic Algorithms [0.640476282000118]
  絡み合い分布による長距離量子通信は、量子インターネットにとって非常に重要である。 量子リピータは理論上、絡み合いが分散できる距離を延ばすのに使えるが、実際にはハードウェアの品質は依然として不足している。 エンタングルメント生成と分布の最適化のための遺伝的アルゴリズムと量子リピータ連鎖のシミュレーションに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-10-30T17:09:34Z)
• Enabling certification of verification-agnostic networks via memory-efficient semidefinite programming [97.40955121478716]
  本稿では,ネットワークアクティベーションの総数にのみ線形なメモリを必要とする一階二重SDPアルゴリズムを提案する。 L-inf の精度は 1% から 88% ,6% から 40% に改善した。 また,変分オートエンコーダの復号器に対する2次安定性仕様の厳密な検証を行った。
  論文  参考訳（メタデータ） (2020-10-22T12:32:29Z)
• Error mitigation via verified phase estimation [0.25295633594332334]
  本稿では,量子位相推定に基づく新しい誤差低減手法を提案する。 制御量子ビットを使わずに機能に適応できることを示す。
  論文  参考訳（メタデータ） (2020-10-06T07:44:10Z)
• ReActNet: Towards Precise Binary Neural Network with Generalized Activation Functions [76.05981545084738]
  本稿では,新たな計算コストを伴わずに,実数値ネットワークからの精度ギャップを埋めるため,バイナリネットワークを強化するためのいくつかのアイデアを提案する。 まず,パラメータフリーのショートカットを用いて,コンパクトな実数値ネットワークを修正・バイナライズすることで,ベースラインネットワークを構築する。 提案したReActNetはすべての最先端技術よりも大きなマージンで優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-07T02:12:02Z)

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。