論文の概要: Adaptive Error Correction for Entanglement Distillation

• arxiv url: http://arxiv.org/abs/2504.11670v1
• Date: Tue, 15 Apr 2025 23:52:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-17 14:38:20.577195
• Title: Adaptive Error Correction for Entanglement Distillation
• Title（参考訳）: エンタングルメント蒸留における適応誤差補正
• Authors: Sijie Cheng, Narayanan Rengaswamy,
• Abstract要約: 量子リピータの線形連鎖における量子誤差補正に基づくエンタングルメント蒸留に着目した。 本稿では,エンドツーエンドのメトリクスを向上する適応的誤り訂正手法を提案する。 異なる方法でコードを組み合わせる4つの異なるプロトコルのパフォーマンスを比較します。
• 参考スコア（独自算出の注目度）: 10.19019476978683
• License:
• Abstract: Quantum network applications impose a variety of requirements on entanglement resources in terms of rate, fidelity, latency, and more. The repeaters in the quantum network must combine good methods for entanglement generation, effective entanglement distillation, and smart routing protocols to satisfy these application requirements. In this work, we focus on quantum error correction-based entanglement distillation in a linear chain of quantum repeaters. While conventional approaches reuse the same distillation scheme over multiple hop lengths after entanglement swaps, we propose a novel adaptive error correction scheme that boosts end-to-end metrics. Specifically, depending on the network operation point, we adapt the code used in distillation over successive rounds to monotonically increase the rate while also improving fidelity. We demonstrate the effectiveness of this strategy using three codes: [[9,1,3]], [[9,2,3]], [[9,3,3]]. We compare the performance of four different protocols that combine the codes in different ways, where we define a new performance metric, efficiency, that incorporates both overall rate and fidelity. While we highlight our innovation under minimal assumptions on noise, the method can be easily generalized to realistic network settings. By combining our approach with good entanglement generation methods and smart routing protocols, we can achieve application requirements in a systematic, resource-efficient, way.
• Abstract（参考訳）: 量子ネットワークアプリケーションは、レート、忠実性、レイテンシなどの観点から、絡み合ったリソースにさまざまな要件を課します。 量子ネットワークのリピータは、これらの要求を満たすために、絡み合い生成、効果的な絡み合い蒸留、スマートルーティングプロトコルのための優れた方法を組み合わせる必要がある。 本研究では, 量子リピータの線形連鎖における量子誤差補正に基づく絡み合い蒸留に着目した。 従来の手法では,複数のホップ長を掛け替えた後に同じ蒸留方式を再利用するが,本手法では,エンドツーエンドのメトリクスを向上する適応誤差補正方式を提案する。 具体的には, ネットワークの動作点に応じて, 連続するラウンドに対して蒸留に使用するコードを適用し, 単調に速度を向上し, 忠実度も向上する。 この戦略の有効性を, [[9,1,3]], [[9,2,3]], [[9,3,3]]の3つの符号を用いて示す。 異なる方法でコードを組み合わせる4つの異なるプロトコルのパフォーマンスを比較し、そこでは、全体的なレートと忠実さの両方を組み込んだ、新しいパフォーマンス指標、効率を定義する。 ノイズに関する最小限の仮定の下で、我々の革新を強調する一方で、本手法は現実的なネットワーク設定に容易に一般化できる。 このアプローチを優れた絡み合い生成方法とスマートルーティングプロトコルと組み合わせることで、システマティックでリソース効率のよい方法でアプリケーション要求を達成することができます。

関連論文リスト

• Comparing One- and Two-way Quantum Repeater Architectures [9.942288691108914]
  量子リピータは、長距離量子通信を実現するための重要なビルディングブロックである。 量子情報の脆弱な性質のため、これらのリピータは損失と運用上のエラーに悩まされる。 近年, 利用可能なメモリ数の増加と多重化による絡み合い生成の導入は, ワンウェイリピータアーキテクチャと双方向リピータアーキテクチャの再比較を動機付けている。
  論文  参考訳（メタデータ） (2024-09-10T01:55:01Z)
• Fast quantum interconnects via constant-rate entanglement distillation [0.0]
  量子配線のための定レートエンタングルメント蒸留法を開発した。 提案手法は期待値が一定であり, 数値的に最適化することで, 実用化上のオーバーヘッドの低減を図っている。 最適化されたスキームは、既存の計算効率のよい量子相互接続スキームよりも、関連するレシエーションにおいて桁違いに優れている。
  論文  参考訳（メタデータ） (2024-08-28T16:54:54Z)
• Analysis of Asynchronous Protocols for Entanglement Distribution in Quantum Networks [9.971549076128268]
  量子ネットワークにおける絡み合いに対する2つの最小限の非同期プロトコルについて検討する。 リンクレベルで独立に絡み合いを発生させる並列スキームと、一方から他方への絡み合いを反復的に延長するシーケンシャルスキームとを具備する。 並列方式と並列方式を比較検討した結果, 逐次方式の優位性が示唆された。
  論文  参考訳（メタデータ） (2024-05-03T18:04:11Z)
• Entangled Pair Resource Allocation under Uncertain Fidelity Requirements [59.83361663430336]
  量子ネットワークにおいて、効果的な絡み合いルーティングは、量子ソースと量子宛先ノード間の通信を容易にする。 本稿では,絡み合ったペアに対する資源配分モデルと,整合性保証を伴う絡み合ったルーティングモデルを提案する。 提案モデルでは, ベースラインモデルと比較して, 総コストを少なくとも20%削減できる。
  論文  参考訳（メタデータ） (2023-04-10T07:16:51Z)
• Expeditious Saliency-guided Mix-up through Random Gradient Thresholding [89.59134648542042]
  混合学習アプローチはディープニューラルネットワークの一般化能力向上に有効であることが証明されている。 本稿では,両経路の分岐点に位置する新しい手法を提案する。 我々はR-Mixという手法を「Random Mix-up」という概念にちなむ。 より良い意思決定プロトコルが存在するかどうかという問題に対処するために、我々は、ミックスアップポリシーを決定する強化学習エージェントを訓練する。
  論文  参考訳（メタデータ） (2022-12-09T14:29:57Z)
• Standard Deviation-Based Quantization for Deep Neural Networks [17.495852096822894]
  深層ニューラルネットワークの量子化は、推論コストを低減するための有望なアプローチである。 ネットワークの重みと活性化分布の知識を用いて量子化間隔(離散値)を学習する新しいフレームワークを提案する。 提案手法は,ネットワークのパラメータを同時に推定し,量子化過程におけるプルーニング比を柔軟に調整する。
  論文  参考訳（メタデータ） (2022-02-24T23:33:47Z)
• Manifold Regularized Dynamic Network Pruning [102.24146031250034]
  本稿では,全インスタンスの多様体情報をプルーンドネットワークの空間に埋め込むことにより,冗長フィルタを動的に除去する新しいパラダイムを提案する。 提案手法の有効性をいくつかのベンチマークで検証し,精度と計算コストの両面で優れた性能を示す。
  論文  参考訳（メタデータ） (2021-03-10T03:59:03Z)
• Fully Quantized Image Super-Resolution Networks [81.75002888152159]
  効率と精度を両立させるためのフル量子化画像超解像フレームワーク(FQSR)を提案する。 我々は、SRResNet、SRGAN、EDSRを含む複数の主流超解像アーキテクチャに量子化スキームを適用した。 低ビット量子化を用いたFQSRは、5つのベンチマークデータセットの完全精度と比較すると、パー性能で実現できる。
  論文  参考訳（メタデータ） (2020-11-29T03:53:49Z)
• 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)
• Improve Generalization and Robustness of Neural Networks via Weight Scale Shifting Invariant Regularizations [52.493315075385325]
  重み劣化を含む正則化器の族は、均質な活性化関数を持つネットワークに対する本質的な重みのノルムをペナルティ化するのに有効でないことを示す。 そこで我々は,ニューラルネットワークの本質的な規範を効果的に制約する改良型正規化器を提案する。
  論文  参考訳（メタデータ） (2020-08-07T02:55:28Z)
• Optimising repeater schemes for the quantum internet [0.0]
  本研究は,3種類の量子リピータを用いて,エンタングルメントの分散化について検討する。 本アルゴリズムは, エンタングルメントを分散する3つの実験量子リピータの実装について検討する。
  論文  参考訳（メタデータ） (2020-06-22T13:18:49Z)

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。