論文の概要: Effectiveness of the DEJAMPS purification protocol in noisy entangled photon systems, a Monte Carlo simulation

• arxiv url: http://arxiv.org/abs/2506.22830v1
• Date: Sat, 28 Jun 2025 09:45:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:53.591522
• Title: Effectiveness of the DEJAMPS purification protocol in noisy entangled photon systems, a Monte Carlo simulation
• Title（参考訳）: モンテカルロシミュレーションによるノイズエンタングル光子系におけるDJAMPS浄化プロトコルの有効性
• Authors: Vasilis Skarlatos, Nikos Konofaos,
• Abstract要約: 絡み合いの浄化は量子通信にとって重要な技術である。 偏光結合光子対に適用されたDEJMPS浄化プロトコルに関するモンテカルロの総合的研究について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Entanglement purification is a critical enabling technology for quantum communication, allowing high-fidelity entangled pairs to be distilled from noisy resources. We present a comprehensive Monte Carlo study of the DEJMPS purification protocol applied to polarization-entangled photon pairs subject to both amplitude-damping noise (gamma) and dephasing noise (p). By sweeping (gamma, p) over a two-dimensional grid and performing repeated stochastic trials, we map out the average fidelity and average yield surfaces of the purified output, as well as the net gains (DF) and losses (DY) relative to the unpurified baseline. Our results show that a single round of DEJMPS purification can boost entanglement fidelity by up to 0.07 in high-noise regimes, while incurring a yield penalty of up to 0.55. Fidelity gains grow monotonically with both gamma and p, whereas yields decline more sharply under combined noise. Contour and 3D surface plots of DF(gamma, p) and (DY, gamma, p) vividly illustrate the trade-off between quality and quantity of distilled pairs. This two-parameter Monte Carlo characterization provides practical guidance for optimizing purification depth and operating points in real-world photonic networks, and represents, to our knowledge, the first detailed numerical charting of both fidelity and yield improvements across a continuous noise landscape for DEJMPS.
• Abstract（参考訳）: 絡み合い浄化は量子通信において重要な技術であり、ノイズの多い資源から高忠実な絡み合い対を蒸留することができる。 振幅減衰ノイズ (ガンマ) とデファシングノイズ (p) の両方を対象とする偏光共役光子対に適用したDJMPS浄化プロトコルの総合的なモンテカルロ解析を行った。 2次元グリッド上で (ガンマ, p) を掃引し, 繰り返し確率的試行を行い, 精製された出力の平均忠実度および平均収率面と, 未精製ベースラインに対する純利得 (DF) と損失 (DY) を図示する。 以上の結果から,1ラウンドのDJMPS精製により,高雑音条件下では最大0.07のエンタングルメント忠実度が向上し,最大0.55の収量刑が課せられることが示された。 フィデリティゲインはガンマ線とp線の両方で単調に成長する一方、収率は結合ノイズの下でより鋭く減少する。 DF(γ, p)および(DY, γ, p)の輪郭および3次元表面プロットは, 蒸留ペアの品質と量とのトレードオフを鮮明に示している。 この2パラメータのモンテカルロキャラクタリゼーションは、実世界のフォトニックネットワークにおける浄化深度と演算点を最適化するための実用的なガイダンスを提供し、私たちの知る限り、DJMPSの連続雑音環境における忠実度と収差の両面に関する最初の詳細な数値チャート化を表現している。

関連論文リスト

• Noise Conditional Variational Score Distillation [60.38982038894823]
  騒音条件変化スコア蒸留(NCVSD)は, 予混合拡散モデルから生成消音剤を蒸留する新しい方法である。 この知見を変分スコア蒸留フレームワークに組み込むことで、生成的デノイザのスケーラブルな学習を可能にする。
  論文  参考訳（メタデータ） (2025-06-11T06:01:39Z)
• Sub-token ViT Embedding via Stochastic Resonance Transformers [51.12001699637727]
  Vision Transformer (ViT) アーキテクチャは、画像を高次元のベクトル化トークンの集合として表現し、それぞれが長方形の非重複パッチに対応する。 我々は「確率共鳴」にインスパイアされた無訓練法を提案する。 結果として得られるSRT(Stochastic Resonance Transformer)は、元の表現のリッチな意味情報を保持するが、空間的トークン化の粗い効果を軽減し、より微細な空間領域に基盤を置いている。
  論文  参考訳（メタデータ） (2023-10-06T01:53:27Z)
• Entanglement-enhanced dual-comb spectroscopy [0.7340017786387767]
  デュアルコム干渉法は、2つのレーザー周波数コムの干渉を利用して、分光応用における前例のない能力を提供する。 本稿では、量子資源を活用して信号対雑音比の性能を著しく向上するエンタングルメント強化デュアルコム分光プロトコルを提案する。 以上の結果から,UWからmWまでのパワーレンジにおける量子的優位性が示唆された。
  論文  参考訳（メタデータ） (2023-04-04T03:57:53Z)
• Robust Quantitative Susceptibility Mapping via Approximate Message Passing with Parameter Estimation [14.22930572798757]
  本稿では,パラメータ推定を組み込んだ定量的感受性マッピング(QSM)の確率的ベイズ的手法を提案する。 Sim2Snr1データセットでは、AMP-PEは最低のNRMSE、DFCM、最高のSSIMを達成した。 生体内データセットでは、AMP-PEは頑健であり、推定パラメータを用いて感受性マップの復元に成功した。
  論文  参考訳（メタデータ） (2022-07-29T14:38:03Z)
• SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
  スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。 本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。 提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
  論文  参考訳（メタデータ） (2022-06-09T14:00:26Z)
• Uncovering the Over-smoothing Challenge in Image Super-Resolution: Entropy-based Quantification and Contrastive Optimization [67.99082021804145]
  我々はDetail Enhanced Contrastive Loss (DECLoss)と呼ばれるCOO問題に対する明確な解決策を提案する。 DECLossはコントラスト学習のクラスタリング特性を利用して、潜在的な高分解能分布の分散を直接的に低減する。 我々は複数の超高解像度ベンチマーク上でDECLosを評価し,PSNR指向モデルの知覚品質を向上させることを実証した。
  論文  参考訳（メタデータ） (2022-01-04T08:30:09Z)
• Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
  そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。 我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。 数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2020-11-18T16:40:45Z)
• Residual-driven Fuzzy C-Means Clustering for Image Segmentation [152.609322951917]
  画像分割のための残留駆動型ファジィC平均(FCM)について詳述する。 この枠組みに基づいて,混合雑音分布の重み付けによる重み付き$ell_2$-norm忠実度項を示す。 その結果、既存のFCM関連アルゴリズムよりも提案アルゴリズムの有効性と効率が優れていることが示された。
  論文  参考訳（メタデータ） (2020-04-15T15:46:09Z)

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。