論文の概要: Service-the-Longest-Queue Among d Choices Policy for Quantum Entanglement Switching

• arxiv url: http://arxiv.org/abs/2503.22292v1
• Date: Fri, 28 Mar 2025 10:10:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-31 15:31:17.160019
• Title: Service-the-Longest-Queue Among d Choices Policy for Quantum Entanglement Switching
• Title（参考訳）: 量子エンタングルメントスイッチングのためのd選択政策におけるサービス・ザ・Longest-Queue
• Authors: Guo Xian Yau, Thirupathaiah Vasantam, Gayane Vardoyan,
• Abstract要約: Entanglement Generation Switch (EGS) は、一連の接続ノードに絡み合った状態を提供する量子ネットワークハブである。 本稿では,すべての要求キューのdをランダムにサンプリングすることで,EGSクエリノードの絡み合い要求に対するロードバランシングポリシを提案する。 我々は、選択数dが増加すると、平均要求処理時間が大幅に減少するのを観察する。
• 参考スコア（独自算出の注目度）: 0.9148747049384086
• License:
• Abstract: An Entanglement Generation Switch (EGS) is a quantum network hub that provides entangled states to a set of connected nodes by enabling them to share a limited number of hub resources. As entanglement requests arrive, they join dedicated queues corresponding to the nodes from which they originate. We propose a load-balancing policy wherein the EGS queries nodes for entanglement requests by randomly sampling d of all available request queues and choosing the longest of these to service. This policy is an instance of the well-known power-of-d-choices paradigm previously introduced for classical systems such as data-centers. In contrast to previous models, however, we place queues at nodes instead of directly at the EGS, which offers some practical advantages. Additionally, we incorporate a tunable back-off mechanism into our load-balancing scheme to reduce the classical communication load in the network. To study the policy, we consider a homogeneous star network topology that has the EGS at its center, and model it as a queueing system with requests that arrive according to a Poisson process and whose service times are exponentially distributed. We provide an asymptotic analysis of the system by deriving a set of differential equations that describe the dynamics of the mean-field limit and provide expressions for the corresponding unique equilibrium state. Consistent with analogous results from randomized load-balancing for classical systems, we observe a significant decrease in the average request processing time when the number of choices d increases from one to two during the sampling process, with diminishing returns for a higher number of choices. We also observe that our mean-field model provides a good approximation to study even moderately-sized systems.
• Abstract（参考訳）: Entanglement Generation Switch (EGS) は、限られた数のハブリソースを共有できるようにすることで、一連の接続ノードに絡み合った状態を提供する量子ネットワークハブである。 絡み合い要求が到着すると、彼らは、それらが発するノードに対応する専用キューに合流する。 本稿では,すべてのリクエストキューのdをランダムにサンプリングし,最も長いリクエストをサービスに選択することで,EGSが絡み合うリクエストのノードを問合せするロードバランシングポリシーを提案する。 この方針は、かつてデータセンターのような古典的なシステムに導入されたよく知られたパワー・オブ・ド・チョイスのパラダイムの例である。 しかし、従来のモデルとは対照的に、我々はESGに直接ではなくノードにキューを配置する。 さらに,従来の通信負荷を低減するために,調整可能なバックオフ機構をロードバランシング方式に組み込んだ。 本研究では,EGSを中心とする同質星ネットワークトポロジを,Poissonプロセスに従って到着する要求を指数的に分散した待ち行列システムとしてモデル化する。 平均場極限の力学を記述する微分方程式の集合を導出し、対応する一意平衡状態の式を導出することにより、システムの漸近解析を行う。 古典システムにおけるランダム化ロードバランシングの類似結果と一致し、サンプリングプロセス中に選択数dが1から2に増加すると、平均要求処理時間が大幅に減少し、より多くの選択に対してリターンが低下するのを観察する。 また、我々の平均場モデルが中等度なシステムの研究に優れた近似を与えることも観察した。

関連論文リスト

• An on-demand resource allocation algorithm for a quantum network hub and its performance analysis [0.9148747049384086]
  本研究では,ユーザ生成要求に応じて,ノード間の絡み合い発生を可能にするリソースを割り当てる装置であるEntanglement Generation Switch (EGS) と呼ばれる量子ネットワークハブのトラフィックモデルについて検討する。 オンデマンドリソース割り当てアルゴリズムでは、リソースが利用できない場合や、即時リソース割り当ての結果が得られない場合、要求がブロックされる。 我々の研究はESGシステムにおける交通特性を初めて分析し、性能駆動型リソース割り当てアルゴリズムを考案するための貴重な分析ツールを提供する。
  論文  参考訳（メタデータ） (2024-05-28T11:25:32Z)
• Imperfect quantum networks with tailored resource states [0.0]
  絡み合いに基づく量子ネットワークは、絡み合ったリソース状態の選択においてユニークな柔軟性を示す。 本研究では, 完全に非対称なネットワークシナリオにおける絡み合いの分布に, このアプローチの柔軟性をどのように利用できるかを検討する。
  論文  参考訳（メタデータ） (2024-03-28T19:00:02Z)
• Client Orchestration and Cost-Efficient Joint Optimization for NOMA-Enabled Hierarchical Federated Learning [55.49099125128281]
  半同期クラウドモデルアグリゲーションの下で非直交多重アクセス(NOMA)を実現するHFLシステムを提案する。 提案手法は,HFLの性能改善と総コスト削減に関するベンチマークよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-03T13:34:44Z)
• EQ-Net: Elastic Quantization Neural Networks [15.289359357583079]
  Elastic Quantization Neural Networks (EQ-Net) は、堅牢な重み共有量子化スーパーネットのトレーニングを目的としている。 本稿では, 様々な主要な量形式に対応するために, 弾性量子化空間(弾性ビット幅, 粒度, 対称性を含む)を提案する。 遺伝的アルゴリズムと,提案した条件量子化対応条件精度予測器(CQAP)を推定器として組み込んで,混合精度量子ニューラルネットワークを高速に探索する。
  論文  参考訳（メタデータ） (2023-08-15T08:57:03Z)
• Elastic Entangled Pair and Qubit Resource Management in Quantum Cloud Computing [73.7522199491117]
  量子クラウドコンピューティング(QCC)は、量子コンピューティングリソースを効率的に提供するための有望なアプローチを提供する。 ユーザ需要の変動と量子回路の要求は、効率的なリソース供給のために困難である。 本稿では、量子コンピューティングとネットワークリソースのプロビジョニングのためのリソース割り当てモデルを提案する。
  論文  参考訳（メタデータ） (2023-07-25T00:38:46Z)
• ESDI: Entanglement Scheduling and Distribution in the Quantum Internet [4.558581187459857]
  リモートノード間の量子絡み合い分布は多くの有望な量子アプリケーションにとって鍵となる。 本稿では、量子ネットワークトポロジ全体に対する異なる要求を持つ多くのソース・デスティネーション・ペア間の絡み合いスケジューリングと分布について考察する。 従来の単一キューシナリオにおける最適スケジューリングの規律に触発されて、ESDIと呼ばれる絡み合いスケジューリングと分散のための一般的な最適化フレームワークを設計する。
  論文  参考訳（メタデータ） (2023-03-30T17:09:59Z)
• Adaptive, Continuous Entanglement Generation for Quantum Networks [59.600944425468676]
  量子ネットワークは情報伝達のために、遠方のノードにおける量子ビット間の絡み合いに依存している。 本稿では、前回の要求からの情報を用いてランダムに生成された量子リンクの選択をガイドする適応型スキームを提案する。 また、遅延性能の違いが量子ネットワークのリソースの最適な割り当ての必要性を示唆する量子メモリ割り当てシナリオについても検討する。
  論文  参考訳（メタデータ） (2022-12-17T05:40:09Z)
• A Quantum Overlay Network for Efficient Entanglement Distribution [15.034732044326752]
  量子ネットワークにおける効率的な絡み合い分布のための量子オーバーレイネットワーク(QON)を提案する。 エンド・ツー・エンドのユーザ・エンタングルメントの需要が低ければ、QONは最大エンタングル化されたベル・ペアを生成し、保存することができる。 従来の非オーバーレイ提案と比較して,QONの需要の急激な増加や需要の変化に対して,QONの運賃が40%向上していることが示される。
  論文  参考訳（メタデータ） (2022-12-03T21:20:30Z)
• Tailored Learning-Based Scheduling for Kubernetes-Oriented Edge-Cloud System [54.588242387136376]
  エッジクラウドシステムのための学習ベースのスケジューリングフレームワークkaisを紹介する。 まず,分散した要求ディスパッチに対応するために,協調型マルチエージェントアクタ-クリティックアルゴリズムを設計する。 次に,多種多様なシステムスケールと構造について,グラフニューラルネットワークを用いてシステム状態情報を埋め込む。 第3に、リクエストディスパッチとサービスオーケストレーションを調和させる2段階のスケジューリングメカニズムを採用します。
  論文  参考訳（メタデータ） (2021-01-17T03:45:25Z)
• Adaptive Subcarrier, Parameter, and Power Allocation for Partitioned Edge Learning Over Broadband Channels [69.18343801164741]
  パーティショニングエッジ学習(PARTEL)は、無線ネットワークにおいてよく知られた分散学習手法であるパラメータサーバトレーニングを実装している。 本稿では、いくつかの補助変数を導入してParticleELを用いてトレーニングできるディープニューラルネットワーク(DNN)モデルについて考察する。
  論文  参考訳（メタデータ） (2020-10-08T15:27:50Z)
• Resource Allocation via Graph Neural Networks in Free Space Optical Fronthaul Networks [119.81868223344173]
  本稿では,自由空間光(FSO)フロントホールネットワークにおける最適資源割り当てについて検討する。 我々は、FSOネットワーク構造を利用するために、ポリシーパラメータ化のためのグラフニューラルネットワーク(GNN)を検討する。 本アルゴリズムは,システムモデルに関する知識が不要なモデルフリーでGNNを訓練するために開発された。
  論文  参考訳（メタデータ） (2020-06-26T14:20:48Z)

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。