論文の概要: Entanglement buffering with multiple quantum memories

• arxiv url: http://arxiv.org/abs/2502.20240v1
• Date: Thu, 27 Feb 2025 16:25:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-28 14:56:04.780782
• Title: Entanglement buffering with multiple quantum memories
• Title（参考訳）: 複数の量子メモリによる絡み合いバッファリング
• Authors: Álvaro G. Iñesta, Bethany Davies, Sounak Kar, Stephanie Wehner,
• Abstract要約: エンタングルメントバッファ(Entanglement buffer)は、高品質なエンタングルメントを維持するシステムであり、必要に応じて容易に使用できるようにする。 本研究では、2ノードバッファの性能について検討し、各ノードは1つの長寿命量子メモリを持ち、複数の短寿命記憶を格納し、新しい短寿命記憶を発生させる。 新しく生成された絡み合いは、貯蔵された絡み合いを浄化するために使用され、時間の経過とともに劣化する。貯蔵された絡み合いは、浄化や消費の失敗により除去される。
• 参考スコア（独自算出の注目度）: 0.3749861135832072
• License:
• Abstract: Entanglement buffers are systems that maintain high-quality entanglement, ensuring it is readily available for consumption when needed. In this work, we study the performance of a two-node buffer, where each node has one long-lived quantum memory for storing entanglement and multiple short-lived memories for generating fresh entanglement. Newly generated entanglement may be used to purify the stored entanglement, which degrades over time. Stored entanglement may be removed due to failed purification or consumption. We derive analytical expressions for the system performance, which is measured using the entanglement availability and the average fidelity upon consumption. Our solutions are computationally efficient to evaluate, and they provide fundamental bounds to the performance of purification-based entanglement buffers. We show that purification must be performed as frequently as possible to maximise the average fidelity of entanglement upon consumption, even if this often leads to the loss of high-quality entanglement due to purification failures. Moreover, we obtain heuristics for the design of good purification policies in practical systems. A key finding is that simple purification protocols, such as DEJMPS, often provide superior buffering performance compared to protocols that maximize output fidelity.
• Abstract（参考訳）: エンタングルメントバッファ(Entanglement buffer)は、高品質なエンタングルメントを維持するシステムであり、必要に応じて容易に使用できるようにする。 本研究では,2ノードバッファの性能について検討し,各ノードは1つの長寿命量子メモリを持ち,複数の短寿命記憶を新たに生成する。 新しく生成された絡み合いは、保存された絡み合いを浄化するために使用され、時間の経過とともに劣化する。 貯蔵された絡み合いは、浄化や消費の失敗により取り除かれることがある。 本研究では, システム性能に関する解析式を導出し, 使用時のエンタングルメントの可利用性と平均忠実度を用いて測定した。 提案手法は, 計算効率が高く, 浄化型エンタングルメントバッファの性能に基礎的拘束力を与える。 浄化失敗による高品質な絡み合いの喪失につながる場合であっても, 使用時の絡み合いの程度を最大化するために, 可能な限り頻繁に浄化を行なわなければならない。 さらに, 実用システムにおける良質な浄化政策設計のためのヒューリスティックスを得る。 鍵となる発見は、DJMPSのような単純な浄化プロトコルは、出力忠実度を最大化するプロトコルに比べてバッファリング性能が優れていることである。

関連論文リスト

• May the Forgetting Be with You: Alternate Replay for Learning with Noisy Labels [16.262555459431155]
  本稿では、メモリバッファ内のクリーンで複雑でノイズの多いサンプルの明確な区別を維持するために、忘れることの利点を生かしたAlternate Experience Replay(AER)を紹介する。 得られたバッファの精度と純度の両方の観点から,本手法の有効性を実証し,既存の損失ベース浄化戦略に対して,平均4.71%の精度向上を実現した。
  論文  参考訳（メタデータ） (2024-08-26T14:09:40Z)
• Optimistic Entanglement Purification in Quantum Networks [11.511763058777259]
  量子チャネルで発生するノイズと光子損失は、量子ネットワークにおける信頼性の高い絡み合い生成において大きな課題となる。 短期ネットワークでは、成功裏に発生した絡みをエンドポイントに通知するためには、階層化が必要である。 我々は, 絡み込みポンプ方式, 地上および衛星ベースのEPR発生源, 最先端の浄化回路に最適化を適用した。
  論文  参考訳（メタデータ） (2024-01-16T01:08:17Z)
• Fault-tolerant quantum architectures based on erasure qubits [49.227671756557946]
  我々は、支配的なノイズを既知の場所での消去に効率よく変換することで、消去量子ビットの考え方を利用する。 消去量子ビットと最近導入されたFloquet符号に基づくQECスキームの提案と最適化を行う。 以上の結果から, 消去量子ビットに基づくQECスキームは, より複雑であるにもかかわらず, 標準手法よりも著しく優れていることが示された。
  論文  参考訳（メタデータ） (2023-12-21T17:40:18Z)
• Entanglement buffering with two quantum memories [0.0]
  量子ネットワークは、絡み合ったリンクとして知られる高品質な量子ビット対の可用性に極めて依存している。 これらのリンクの品質を維持することは、時間依存ノイズが存在するため難しい課題である。 絡み合い浄化プロトコルは、複数の低品質な絡み合い状態からより少数の高品質な状態に変換することで解を提供する。
  論文  参考訳（メタデータ） (2023-11-16T17:46:00Z)
• Entanglement Distribution in Quantum Repeater with Purification and Optimized Buffer Time [53.56179714852967]
  バッファ時間に最適化された量子リピータを用いた絡み合い分布について検討する。 終端ノードにおけるメモリ数の増加は、メモリ当たりの絡み合いの分布率を高めることを観察する。 しかし、不完全な操作を考慮すると、メモリ単位の絡み合いが記憶数の増加とともに減少するという驚くべき観察がなされる。
  論文  参考訳（メタデータ） (2023-05-23T23:23:34Z)
• Improving information retention in large scale online continual learning [99.73847522194549]
  オンライン連続学習は、既存の知識を維持しながら、新しいデータに効率的に適応することを目的としている。 最近の研究は、リプレイバッファが無制限であっても、大規模なOCLでは情報保持が問題であり続けていることを示唆している。 非定常目標に対する最適化を改善するため,移動平均の手法群を提案する。
  論文  参考訳（メタデータ） (2022-10-12T16:59:43Z)
• Memory-efficient Reinforcement Learning with Value-based Knowledge Consolidation [14.36005088171571]
  本稿では,深部Q-networkアルゴリズムに基づくメモリ効率向上学習アルゴリズムを提案する。 提案アルゴリズムは,対象のQネットワークから現在のQネットワークへの知識の統合により,高いサンプル効率を低下させる。
  論文  参考訳（メタデータ） (2022-05-22T17:02:51Z)
• Memory Replay with Data Compression for Continual Learning [80.95444077825852]
  古いトレーニングサンプルの記憶コストを低減するため,データ圧縮によるメモリリプレイを提案する。 我々はこれを、クラスインクリメンタル学習のいくつかのベンチマークと、自律運転のためのオブジェクト検出の現実的なシナリオにおいて、広範囲に検証する。
  論文  参考訳（メタデータ） (2022-02-14T10:26:23Z)
• Entanglement purification by counting and locating errors with entangling measurements [62.997667081978825]
  量子状態の複数コピーに対するエンタングルメント浄化プロトコルについて検討する。 ノイズアンサンブルにおける誤差の数と位置を高次元補助的絡み合いシステムを用いて学習する。
  論文  参考訳（メタデータ） (2020-11-13T19:02:33Z)
• Entanglement-assisted entanglement purification [62.997667081978825]
  本稿では,雑音や有限サイズのアンサンブルから高忠実なアンタングルを生成することのできる,エンタングルメント支援型エンタングルメント浄化プロトコルを提案する。 我々のプロトコルは任意の誤りに対処できるが、少ない誤りに最も適しており、特に減衰雑音に向いている。
  論文  参考訳（メタデータ） (2020-11-13T19:00:05Z)

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。