論文の概要: Quantum Entanglement Path Selection and Qubit Allocation via Adversarial Group Neural Bandits
- arxiv url: http://arxiv.org/abs/2411.00316v1
- Date: Fri, 01 Nov 2024 02:19:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-05 21:28:15.904207
- Title: Quantum Entanglement Path Selection and Qubit Allocation via Adversarial Group Neural Bandits
- Title（参考訳）: 逆数群ニューラルバンドを用いた量子エンタングルメントパスの選択と量子アロケーション
- Authors: Yin Huang, Lei Wang, Jie Xu,
- Abstract要約: 量子データネットワーク(QDN)は情報処理と伝送の分野で有望なフレームワークとして登場した。
本稿では,2つの選択された量子コンピュータ間の絡み合いの最大成功率を達成するための最善の戦略を学習することを目的とする。
- 参考スコア（独自算出の注目度）: 6.188254910369404
- License:
- Abstract: Quantum Data Networks (QDNs) have emerged as a promising framework in the field of information processing and transmission, harnessing the principles of quantum mechanics. QDNs utilize a quantum teleportation technique through long-distance entanglement connections, encoding data information in quantum bits (qubits). Despite being a cornerstone in various quantum applications, quantum entanglement encounters challenges in establishing connections over extended distances due to probabilistic processes influenced by factors like optical fiber losses. The creation of long-distance entanglement connections between quantum computers involves multiple entanglement links and entanglement swapping techniques through successive quantum nodes, including quantum computers and quantum repeaters, necessitating optimal path selection and qubit allocation. Current research predominantly assumes known success rates of entanglement links between neighboring quantum nodes and overlooks potential network attackers. This paper addresses the online challenge of optimal path selection and qubit allocation, aiming to learn the best strategy for achieving the highest success rate of entanglement connections between two chosen quantum computers without prior knowledge of the success rate and in the presence of a QDN attacker. The proposed approach is based on multi-armed bandits, specifically adversarial group neural bandits, which treat each path as a group and view qubit allocation as arm selection. Our contributions encompass formulating an online adversarial optimization problem, introducing the EXPNeuralUCB bandits algorithm with theoretical performance guarantees, and conducting comprehensive simulations to showcase its superiority over established advanced algorithms.
- Abstract（参考訳）: 量子データネットワーク(QDN)は、情報処理と伝送の分野で有望なフレームワークとして登場し、量子力学の原理を活用している。
QDNは長距離の絡み合う接続を通じて量子テレポーテーション技術を使用し、量子ビット(量子ビット)でデータ情報を符号化する。
様々な量子応用の基盤であるにもかかわらず、量子絡み合いは、光ファイバー損失などの要因に影響される確率的過程によって、距離を延ばす接続を確立する上で困難に直面する。
量子コンピュータ間の長距離絡み合い接続の作成には、複数の絡み合いリンクと、量子コンピュータや量子リピータを含む連続する量子ノードを通しての絡み合い交換技術、最適な経路選択と量子ビット割り当てが必要である。
現在の研究は、主に近隣の量子ノード間の絡み合いリンクの成功率と潜在的なネットワーク攻撃者を見落としていると仮定している。
本稿では、最適経路選択と量子ビット割り当てというオンライン課題に対処し、成功率やQDN攻撃者の有無を事前に知ることなく、2つの選択された量子コンピュータ間の絡み合いの最高成功率を達成するための最善の戦略を学ぶことを目的とする。
提案手法は,各経路を群として扱い,キュービット割り当てをアーム選択とみなすマルチアーム・バンドイット,特に対向群ニューラル・バンドイットに基づいている。
我々の貢献は、オンライン逆最適化問題の定式化、理論的な性能保証を備えたEXPNeuralUCBバンドレートアルゴリズムの導入、確立された高度なアルゴリズムよりも優れていることを示す包括的なシミュレーションの実施などである。
関連論文リスト
- Routing in Quantum Networks with End-to-End Knowledge [10.955844285189373]
本稿では,特定しきい値を超えるエンドツーエンドの忠実度を提供できる経路の確立を容易にするアプローチを提案する。
本稿では,このアプローチの特定の例であるアルゴリズムを定義し,シミュレーションによるDijkstra短経路アルゴリズムと知識認識アルゴリズムとを比較して評価する。
以上の結果から、グレーボックスアルゴリズムの1つは、忠実度しきい値を超える経路の配送において、他の手法よりも一貫して優れていたことが示される。
論文 参考訳（メタデータ） (2024-07-19T15:34:51Z) - Quantum Approximate Optimization: A Computational Intelligence Perspective [1.756184965281354]
量子コンピューティングと変分量子アルゴリズム(VQA)を紹介する。
Farhiらによる量子近似最適化アルゴリズム(FarhiのQAOA)について説明する。
計算学習理論や遺伝的アルゴリズムなど,関連分野へのQAOAの関連性について論じる。
論文 参考訳（メタデータ） (2024-07-09T19:40:23Z) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳（メタデータ） (2024-02-23T14:09:41Z) - Towards Quantum-Native Communication Systems: New Developments, Trends,
and Challenges [63.67245855948243]
調査では、量子ドメイン(QD)マルチインプットマルチアウトプット(MIMO)、QD非直交多重アクセス(NOMA)、量子セキュアダイレクト通信(QSDC)などの技術を調査した。
量子センシング、量子レーダ、量子タイミングの現在の状況は、将来の応用をサポートするために簡単にレビューされる。
論文 参考訳（メタデータ） (2023-11-09T09:45:52Z) - Calibrating the role of entanglement in variational quantum circuits [0.6435156676256051]
エンタングルメント(Entanglement)は、量子コンピューティングの重要な性質であり、古典的なものとは分離している。
2つの変分量子アルゴリズムの動作における絡み合いの役割を系統的に検討する。
QAOAを用いて解いたMAX-CUT問題に対して,絡み合い関数としての忠実度は層数に大きく依存することがわかった。
QNNの場合、高いテスト精度のトレーニング回路は高い絡み合いによって支えられ、強制的な絡み合いの制限はテスト精度の急激な低下をもたらす。
論文 参考訳（メタデータ） (2023-10-16T23:36:40Z) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳（メタデータ） (2022-11-09T21:43:16Z) - DQC$^2$O: Distributed Quantum Computing for Collaborative Optimization
in Future Networks [54.03701670739067]
本稿では、将来のネットワークにおける最適化タスクを解決するために、量子コンピュータと量子チャネルを管理するための適応型分散量子コンピューティング手法を提案する。
提案手法に基づいて,スマートグリッド管理やIoT連携,UAV軌道計画など,今後のネットワークにおける協調最適化の潜在的な応用について論じる。
論文 参考訳（メタデータ） (2022-09-16T02:44:52Z) - Entangling Quantum Generative Adversarial Networks [53.25397072813582]
量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。
EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
論文 参考訳（メタデータ） (2021-04-30T20:38:41Z) - Distributing Multipartite Entanglement over Noisy Quantum Networks [0.0]
量子インターネットは、ネットワーク化された量子技術を活用することを目的としており、すなわち、遠くのノード間で二部結合を分散することである。
本稿では、ノイズの多い量子リピータと不完全な量子メモリを用いて、量子ネットワークの異なるノード間の多部絡み合いを生成するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-03-26T22:48:05Z) - 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)
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。