論文の概要: Machine Learning for Phase Estimation in Satellite-to-Earth Quantum Communication

• arxiv url: http://arxiv.org/abs/2502.09920v1
• Date: Fri, 14 Feb 2025 05:07:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-17 14:47:00.616867
• Title: Machine Learning for Phase Estimation in Satellite-to-Earth Quantum Communication
• Title（参考訳）: 衛星-地球間量子通信における位相推定のための機械学習
• Authors: Nathan K Long, Robert Malaney, Kenneth J Grant,
• Abstract要約: グローバル連続可変量子鍵分布(CV-QKD)ネットワークは、衛星から地球への一連のチャネルを用いて確立することができる。 CV-QKDの実装には,信号位相誤差推定アルゴリズムの高速化と精度が不可欠である。
• 参考スコア（独自算出の注目度）: 0.24578723416255752
• License:
• Abstract: A global continuous-variable quantum key distribution (CV-QKD) network can be established using a series of satellite-to-Earth channels. Increased performance in such a network is provided by performing coherent measurement of the optical quantum signals using a real local oscillator, calibrated locally by encoding known information on transmitted reference pulses and using signal phase error estimation algorithms. The speed and accuracy of the signal phase error estimation algorithm are vital to practical CV-QKD implementation. Our work provides a framework to analyze long short-term memory neural network (NN) architecture parameterization, with respect to the quantum Cram\'er-Rao uncertainty bound of the signal phase error estimation, with a focus on reducing the model complexity. More specifically, we demonstrate that signal phase error estimation can be achieved using a low-complexity NN architecture, without significantly sacrificing accuracy. Our results significantly improve the real-time performance of practical CV-QKD systems deployed over satellite-to-Earth channels, thereby contributing to the ongoing development of the Quantum Internet.
• Abstract（参考訳）: グローバル連続可変量子鍵分布(CV-QKD)ネットワークは、衛星から地球への一連のチャネルを用いて確立することができる。 実ローカル発振器を用いて光量子信号のコヒーレント測定を行い、送信された参照パルスの既知の情報を符号化し、信号位相誤差推定アルゴリズムを用いて局所的に校正することにより、ネットワークの性能を向上させる。 CV-QKDの実装には,信号位相誤差推定アルゴリズムの高速化と精度が不可欠である。 我々の研究は、信号位相誤差推定の量子Cram\'er-Rao不確実性に関して、長期記憶ニューラルネットワーク(NN)アーキテクチャのパラメータ化を分析するためのフレームワークを提供する。 具体的には,低複雑性NNアーキテクチャを用いて信号位相誤差を推定できることを実証する。 本研究では,衛星-地球通信路上に展開する実用CV-QKDシステムのリアルタイム性能を著しく向上させ,Quantum Internetの開発に寄与した。

関連論文リスト

• Error-tolerant quantum convolutional neural networks for symmetry-protected topological phases [0.0]
  パラメトリック化量子回路、測定、フィードフォワードに基づく量子ニューラルネットワークは、大量の量子データを処理できる。 量子畳み込みニューラルネットワーク(QCNN)を構築し,異なる対称性で保護された位相を認識できる。 QCNNの出力は閾値誤差確率以下の対称性破り誤差に対して頑健であることを示す。
  論文  参考訳（メタデータ） (2023-07-07T16:47:02Z)
• Phase Correction using Deep Learning for Satellite-to-Ground CV-QKD [0.5156484100374059]
  本稿では、畳み込みニューラルネットワークへの入力としてRPからの強度測定のみを用いて、RLOの位相補正を推定する新しい手法を提案する。 衛星と地上のチャネルを通した安全でない鍵レートを提供するために必要な位相補正精度は、我々の強度のみの測定によって達成されることを示す。
  論文  参考訳（メタデータ） (2023-05-30T04:21:27Z)
• Deep Quantum Error Correction [73.54643419792453]
  量子誤り訂正符号(QECC)は、量子コンピューティングのポテンシャルを実現するための鍵となる要素である。 本研究では,新しいエンペンド・ツー・エンドの量子誤りデコーダを効率的に訓練する。 提案手法は,最先端の精度を実現することにより,QECCのニューラルデコーダのパワーを実証する。
  論文  参考訳（メタデータ） (2023-01-27T08:16:26Z)
• Signal Detection in MIMO Systems with Hardware Imperfections: Message Passing on Neural Networks [101.59367762974371]
  本稿では,Multi-Input-multiple-output (MIMO)通信システムにおける信号検出について検討する。 パイロット信号が限られているディープニューラルネットワーク(DNN)のトレーニングは困難であり、実用化を妨げている。 我々は、ユニタリ近似メッセージパッシング(UAMP)アルゴリズムを利用して、効率的なメッセージパッシングに基づくベイズ信号検出器を設計する。
  論文  参考訳（メタデータ） (2022-10-08T04:32:58Z)
• Green, Quantized Federated Learning over Wireless Networks: An Energy-Efficient Design [68.86220939532373]
  有限精度レベルは、固定精度フォーマットで重みとアクティベーションを定量化する量子ニューラルネットワーク(QNN)を使用して取得される。 提案するFLフレームワークは,ベースラインFLアルゴリズムと比較して,収束までのエネルギー消費量を最大70%削減することができる。
  論文  参考訳（メタデータ） (2022-07-19T16:37:24Z)
• Quantum Compressive Sensing: Mathematical Machinery, Quantum Algorithms, and Quantum Circuitry [10.286119086329762]
  圧縮センシングは、比較的少数の測定値から大きな信号の再構成を容易にするプロトコルである。 近年の研究では、興味のある信号の構造を学ぶためにテンソルネットワークを訓練する、データ駆動型アプローチが検討されている。 我々は、テンソルネットワークの状態が絡み合った量子ビットの集合上の量子状態である別の「量子」プロトコルを提案する。
  論文  参考訳（メタデータ） (2022-04-27T16:20:28Z)
• Realizing Quantum Convolutional Neural Networks on a Superconducting Quantum Processor to Recognize Quantum Phases [2.1465372441653354]
  量子ニューラルネットワークは、ユニタリ演算、測定、フィードフォワードの約束を組み合わせることで、量子状態の特定の特徴を認識するように調整され、少ない測定とエラーを許容する。 我々は、7量子ビット超伝導量子プロセッサ上で量子畳み込みニューラルネットワーク(QCNN)を実現し、非ゼロ弦順序パラメータを特徴とするスピンモデルの対称性保護位相を同定する。 その結果,QCNNは有限忠実ゲート自体で構成されているにもかかわらず,用意された状態に対する弦順パラメータの直接測定よりも位相位相を高い忠実度で認識していることがわかった。
  論文  参考訳（メタデータ） (2021-09-13T12:32:57Z)
• Performance of teleportation-based error correction circuits for bosonic codes with noisy measurements [58.720142291102135]
  テレポーテーションに基づく誤り訂正回路を用いて、回転対称符号の誤り訂正能力を解析する。 マイクロ波光学における現在達成可能な測定効率により, ボソニック回転符号の破壊ポテンシャルは著しく低下することが判明した。
  論文  参考訳（メタデータ） (2021-08-02T16:12:13Z)
• Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
  そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。 推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。 提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
  論文  参考訳（メタデータ） (2021-07-27T06:57:56Z)
• 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)
• Use of a Local Local Oscillator for the Satellite-to-Earth Channel [0.0]
  連続可変量子鍵分布(CV-QKD)は、情報理論の安全な鍵共有を提供する。 CV-QKDにおけるコヒーレント検出には,位相参照フレームの共有が不可欠である。 我々は、衛星・地球通信路の文脈において、現在最先端のLLO方式の新しいノイズモデルを開発する。
  論文  参考訳（メタデータ） (2020-10-19T11:39:22Z)

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。