論文の概要: Modeling Entanglement-Based Quantum Key Distribution for the NASA Quantum Communications Analysis Suite
- arxiv url: http://arxiv.org/abs/2501.08476v1
- Date: Tue, 14 Jan 2025 22:39:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-16 15:52:15.065807
- Title: Modeling Entanglement-Based Quantum Key Distribution for the NASA Quantum Communications Analysis Suite
- Title（参考訳）: NASA量子通信分析スイートにおけるエンタングルメントに基づく量子鍵分布のモデル化
- Authors: Michael J. P. Kuban, Ian R. Nemitz, Yousef K. Chahine,
- Abstract要約: 遠距離での絡み合い分布の進展は、航空学や宇宙通信における新しい応用を可能にする可能性がある。
既存のNASA Quantum Communications Analysis Suite (NQCAS) ソフトウェアはそのようなアプリケーションであるが、モデルの理論的な結果を検証するために限られた実験データが存在する。
本稿では,NQCASの入力パラメータを用いたモンテカルロのQKDモデルを用いて,NQCASの検証のための推定QKDリンク予算を生成する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: One of the most practical, and sought after, applications of quantum mechanics in the field of information science is the use of entanglement distribution to communicate quantum information effectively. Similar to the continued improvements of functional quantum computers over the past decade, advances in demonstrations of entanglement distribution over long distances may enable new applications in aeronautics and space communications. The existing NASA Quantum Communications Analysis Suite (NQCAS) software models such applications, but limited experimental data exists to verify the model's theoretical results. There is, however, a large body of experimental data in the relevant literature for entanglement-based quantum key distribution (QKD). This paper details a Monte Carlo-based QKD model that uses NQCAS input parameters to generate an estimated QKD link budget for verification of NQCAS. The model generates link budget statistics like key rates, error rates, and S values that can then be compared to the experimental values in the literature. Preliminary comparisons show many similarities between the simulated and experimental data, supporting the model's validity. A verified NQCAS model will inform experimental work conducted in Glenn Research Center's (GRC) NASA Quantum Metrology Laboratory (NQML), supporting the United States Quantum Initiative and potential NASA missions.
- Abstract（参考訳）: 情報科学の分野における量子力学の最も実用的な応用の1つは、量子情報を効果的に伝達するための絡み合い分布の利用である。
過去10年間の関数型量子コンピュータの継続的な改良と同様に、遠距離での絡み合い分布の実証の進歩は、航空学や宇宙通信における新しい応用を可能にする可能性がある。
既存のNASA Quantum Communications Analysis Suite (NQCAS) ソフトウェアはそのようなアプリケーションであるが、モデルの理論的な結果を検証するために限られた実験データが存在する。
しかし、絡み合いに基づく量子鍵分布(QKD)に関する文献には、大量の実験データが存在する。
本稿では,NQCASの入力パラメータを用いたモンテカルロのQKDモデルを用いて,NQCASの検証のための推定QKDリンク予算を生成する。
このモデルは、キーレート、エラーレート、S値などのリンク予算統計を生成し、その結果、文献の実験値と比較できる。
予備比較では、シミュレーションデータと実験データの間に多くの類似性を示し、モデルの妥当性を裏付ける。
検証されたNQCASモデルは、グレン研究センター(GRC)のNASA量子メトロロジー研究所(NQML)で実施された実験を知らせ、米国量子イニシアチブと潜在的なNASAのミッションをサポートする。
関連論文リスト
- Ground state-based quantum feature maps [17.857341127079305]
パラメータ化ハミルトンの基底状態の合成に基づく量子データ埋め込みプロトコルを提案する。
基底状態の埋め込みは、量子ビットの数で急速に増加するスペクトルで効果的に記述できることを示す。
論文 参考訳（メタデータ） (2024-04-10T17:17:05Z) - QKSAN: A Quantum Kernel Self-Attention Network [53.96779043113156]
量子カーネル法(Quantum Kernel Methods, QKM)のデータ表現能力とSAMの効率的な情報抽出能力を組み合わせた量子カーネル自己認識機構(Quantum Kernel Self-Attention Mechanism, QKSAM)を導入する。
量子カーネル自己保持ネットワーク(QKSAN)フレームワークは,DMP(Dederred Measurement Principle)と条件測定技術を巧みに組み込んだQKSAMに基づいて提案されている。
4つのQKSANサブモデルはPennyLaneとIBM Qiskitプラットフォームにデプロイされ、MNISTとFashion MNISTのバイナリ分類を実行する。
論文 参考訳（メタデータ） (2023-08-25T15:08:19Z) - Exploiting the Quantum Advantage for Satellite Image Processing: Review
and Assessment [1.3597551064547502]
本稿では,地球観測(EO)と衛星画像における量子コンピューティングの現状について述べる。
衛星データを扱う際の量子学習モデルの潜在的な限界と応用について分析する。
論文 参考訳（メタデータ） (2023-08-18T10:34:34Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - Splitting and Parallelizing of Quantum Convolutional Neural Networks for
Learning Translationally Symmetric Data [0.0]
分割並列化QCNN(sp-QCNN)と呼ばれる新しいアーキテクチャを提案する。
量子回路を翻訳対称性に基づいて分割することにより、sp-QCNNはキュービット数を増やすことなく従来のQCNNを実質的に並列化することができる。
本稿では,sp-QCNNが従来のQCNNと同等の分類精度を達成でき,必要な測定資源を大幅に削減できることを示す。
論文 参考訳（メタデータ） (2023-06-12T18:00:08Z) - 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) - Experimental validation of the Kibble-Zurek Mechanism on a Digital
Quantum Computer [62.997667081978825]
キブル・ズレック機構は対称性の破れを伴う非平衡量子相転移の本質物理学を捉えている。
我々は、ランダウ・ツェナー進化の下で、最も単純な量子の場合、単一の量子ビットに対してKZMを実験的に検証した。
我々は、異なる回路環境とトポロジに埋め込まれた個々の量子ビットに関する広範囲なIBM-Q実験について報告する。
論文 参考訳（メタデータ） (2022-08-01T18:00:02Z) - QSAN: A Near-term Achievable Quantum Self-Attention Network [73.15524926159702]
SAM(Self-Attention Mechanism)は機能の内部接続を捉えるのに長けている。
短期量子デバイスにおける画像分類タスクに対して,新しい量子自己注意ネットワーク(QSAN)を提案する。
論文 参考訳（メタデータ） (2022-07-14T12:22:51Z) - Subtleties in the trainability of quantum machine learning models [0.0]
本稿では,変分量子アルゴリズムの勾配スケーリング結果を用いて,量子機械学習モデルの勾配スケーリングについて検討する。
以上の結果から,VQAトレーサビリティの低下がQMLのバレンプラトーなどの問題を引き起こす可能性が示唆された。
論文 参考訳（メタデータ） (2021-10-27T20:28:53Z) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-05-30T12:19:27Z)
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。