論文の概要: Efficient Routing on Quantum Networks using Adaptive Clustering

• arxiv url: http://arxiv.org/abs/2410.23007v1
• Date: Wed, 30 Oct 2024 13:32:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-31 14:26:32.516918
• Title: Efficient Routing on Quantum Networks using Adaptive Clustering
• Title（参考訳）: 適応クラスタリングによる量子ネットワークの効率的なルーティング
• Authors: Connor Clayton, Xiaodi Wu, Bobby Bhattacharjee,
• Abstract要約: 本稿では,クラスタリングに基づく新しい絡み合いルーティングプロトコルQuARCを紹介する。 中心となるQuARCは、基礎となる量子ネットワークを定期的に異なるサイズのクラスタに再構成する。 本稿では,QuARCが物理ネットワークパラメータの変化に対して堅牢であることを示すシミュレーションに基づく総合評価を提案する。
• 参考スコア（独自算出の注目度）: 6.010408198364022
• License:
• Abstract: We introduce QuARC, Quantum Adaptive Routing using Clusters, a novel clustering-based entanglement routing protocol that leverages redundant, multi-path routing through multi-particle projective quantum measurements to enable high-throughput, low-overhead, starvation-free entanglement distribution. At its core, QuARC periodically reconfigures the underlying quantum network into clusters of different sizes, where each cluster acts as a small network that distributes entanglement across itself, and the end-to-end entanglement is established by further distributing between clusters. QuARC does not require a-priori knowledge of any physical parameters, and is able to adapt the network configuration using static topology information, and using local (within-cluster) measurements only. We present a comprehensive simulation-based evaluation that shows QuARC is robust against changes to physical network parameters, and maintains high throughput without starvation even as network sizes scale and physical parameters degrade.
• Abstract（参考訳）: クラスタリングをベースとした,多粒子射影量子計測による冗長なマルチパスルーティングを利用して,高スループット,低オーバヘッド,飢餓のない絡み合い分布を実現する,新しいクラスタリングベースの絡み合いルーティングプロトコルであるQuARCを紹介した。 中心となるQuARCは、根底にある量子ネットワークを異なるサイズのクラスタに周期的に再構成し、各クラスタは、自身をまたがる絡み合いを分散する小さなネットワークとして機能し、クラスタ間のさらなる分散によって、エンドツーエンドの絡み合いが確立される。 QuARCは物理パラメータに関するプリオリ知識を必要とせず、静的トポロジ情報を使用してネットワーク構成を適応し、ローカル(クラスタ内)測定のみを使用することができる。 本稿では,QuARCが物理ネットワークパラメータの変化に対して頑健であり,ネットワークサイズや物理パラメータが劣化しても飢餓を伴わずに高いスループットを維持していることを示す総合シミュレーションに基づく評価を提案する。

関連論文リスト

• A Control Architecture for Entanglement Generation Switches in Quantum Networks [1.0282274843007797]
  量子ネットワークノード間の絡み合いは、しばしば仲介局などの中間装置をリソースとして生成する。 本稿では、EGS(Entanglement Generation Switch)と呼ばれる中央量子ネットワークハブを介して、多くの量子ネットワークノードを接続するコスト効率の高いアーキテクチャを提案する。 EGSは、複数の量子ノードを固定リソースコストで接続することを可能にし、絡み合うのに必要なリソースを共有する。
  論文  参考訳（メタデータ） (2023-09-05T10:06:48Z)
• Network Clustering for Latent State and Changepoint Detection [0.0]
  本稿では,ネットワーククラスタリングのタスクに対する凸アプローチを提案する。 コンベックスネットワーククラスタリングのための効率的なアルゴリズムを提案し,その有効性を合成例で示す。
  論文  参考訳（メタデータ） (2021-11-01T21:51:45Z)
• Optimized Quantum Networks [68.8204255655161]
  量子ネットワークは、ネットワーク要求の前に様々な種類の絡み合いを生成することができる。 これを応用して、所望の機能に合わせた絡み合いベースの量子ネットワークを設計する。
  論文  参考訳（メタデータ） (2021-07-21T18:00:07Z)
• Entanglement Distribution in Multi-Platform Buffered-Router-Assisted Frequency-Multiplexed Automated Repeater Chains [0.0]
  NV$-$カラーセンターに基づく量子処理デバイスに基づく量子ネットワークアーキテクチャを提案する。 遠距離エンタングルメント分布は、希土類イオンドープ結晶と不完全エンタングルド光子ペア源に基づくスペクトル多重量子リピータにより実現される。
  論文  参考訳（メタデータ） (2021-06-08T20:25:43Z)
• Geometric Affinity Propagation for Clustering with Network Knowledge [14.827797643173401]
  Affinity propagation (AP) は、反復的なペアワイズメッセージ更新によって最適な例の集合を洗練する強力な例ベースのアプローチであることが証明されている。 ネットワークトポロジを活用するためにAPを効果的に拡張する新しいクラスタリングアルゴリズムであるGeopic-APを提案する。
  論文  参考訳（メタデータ） (2021-03-26T10:23:53Z)
• Purification and Entanglement Routing on Quantum Networks [55.41644538483948]
  不完全なチャネルフィリティと限られたメモリ記憶時間を備えた量子ネットワークは、ユーザ間の絡み合いを分散することができる。 本稿では,量子ネットワーク上の2ノード間で共有される絡み合いを最大化するための高速パスフィニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-23T19:00:01Z)
• Neural Architecture Search as Sparse Supernet [78.09905626281046]
  本稿では,単一パスと複数パスの探索から混合パスの自動探索へ,ニューラルネットワーク探索(NAS)の問題を拡大することを目的とする。 我々はNAS問題をスパース・スーパーネットとして,空間制約を混合した新しい連続アーキテクチャ表現を用いてモデル化する。 スパーススーパーネットは、コンパクトなノードセット上でスパース混合パスを自動的に達成する。
  論文  参考訳（メタデータ） (2020-07-31T14:51:52Z)
• Multi-Stage Hybrid Federated Learning over Large-Scale D2D-Enabled Fog Networks [61.30171206892684]
  ネットワークを多層クラスタベース構造とみなす階層内モデル学習と層間モデル学習のハイブリッドを開発する。 MH-FLは、デバイス間通信(D2D)を介して形成されたローカルネットワークを含む、クラスタ内のノード間のトポロジー構造を考察している。 異なるネットワーク層におけるデバイスを協調的/協調的にオーケストレーションし、モデルパラメータの局所的なコンセンサスを形成する。
  論文  参考訳（メタデータ） (2020-07-18T20:03:07Z)
• Neural Parameter Allocation Search [57.190693718951316]
  ニューラルネットワークのトレーニングには、メモリの量を増やす必要がある。 既存の手法では、ネットワークには多くの同一層があり、一般化に失敗する手作りの共有戦略を利用する。 我々は、任意のパラメータ予算を与えられたニューラルネットワークをトレーニングする新しいタスクであるNPAS(Neural Allocation Search)を紹介する。 NPASは、コンパクトネットワークを創出する低予算体制と、推論FLOPを増大させることなく性能を高めるために、新たな高予算体制の両方をカバーしている。
  論文  参考訳（メタデータ） (2020-06-18T15:01:00Z)
• Ensembled sparse-input hierarchical networks for high-dimensional datasets [8.629912408966145]
  サンプルサイズが小さい環境では,高密度ニューラルネットワークが実用的なデータ解析ツールであることを示す。 提案手法は,L1-ペナルティパラメータを2つだけ調整することで,ネットワーク構造を適切に調整する。 EASIER-netは、異なるサイズの実世界のデータセットのコレクションにおいて、データ適応方式でネットワークアーキテクチャを選択し、平均的なオフザシェルフ手法よりも高い予測精度を達成した。
  論文  参考訳（メタデータ） (2020-05-11T02:08:53Z)
• Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
  本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。 標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2020-04-06T15:51:00Z)

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。