論文の概要: Efficiently Generation of Cluster States via Time-Delayed Feedback in Matrix Representation
- arxiv url: http://arxiv.org/abs/2507.15725v1
- Date: Mon, 21 Jul 2025 15:34:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-22 20:51:32.462431
- Title: Efficiently Generation of Cluster States via Time-Delayed Feedback in Matrix Representation
- Title（参考訳）: 行列表現における時間遅延フィードバックによるクラスタ状態の効率的な生成
- Authors: Jia-Jin Zou, Jian-Wei Qin, Franco Nori, Ze-Liang Xiang,
- Abstract要約: 時間遅延フィードバック(TDF)の特性に応じた行列表現を開発する。
複数のTDFを用いて任意のクラスタ状態を生成するプロトコルを提案する。
特に,1つのDFFしか必要としない木クラスター状態生成過程を実演する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cluster states, as highly entangled multi-qubit states, are widely used as essential resources for quantum communication and quantum computing. However, due to the diverse requirements of applications for cluster states with specific entanglement structures, a universal generation protocol is still lacking. Here we develop a matrix representation according to the characteristics of time-delayed feedback (TDF) and propose a protocol for generating arbitrary cluster states with multiple TDFs. The matrix representation also allows us to optimize the generation process to reduce TDF usage, thus improving efficiency. In particular, we demonstrate a tree-cluster-state generation process that requires only one TDF. Moreover, accounting for the critical loss mechanisms and imperfections in our protocol, we discuss the additional losses caused by multiple TDFs and evaluate the fidelity of the resulting cluster states.
- Abstract（参考訳）: クラスタ状態は、高度に絡み合ったマルチキュービット状態として、量子通信や量子コンピューティングに不可欠な資源として広く利用されている。
しかし、特定の絡み合い構造を持つクラスタ状態のアプリケーションには多様な要件があるため、普遍的な生成プロトコルはいまだに欠如している。
本稿では、時間遅延フィードバック(TDF)の特性に応じた行列表現を開発し、複数のTDFを用いて任意のクラスタ状態を生成するプロトコルを提案する。
また, 行列表現により, 生成過程を最適化し, TDF使用率を低減し, 効率を向上する。
特に,1つのDFFしか必要としない木クラスター状態生成過程を実演する。
さらに,本プロトコルにおける致命的な損失機構と不完全性を考慮し,複数のTDFによる追加的な損失について検討し,その結果のクラスタ状態の忠実度を評価する。
関連論文リスト
- Principled Multimodal Representation Learning [70.60542106731813]
マルチモーダル表現学習は、多様なデータモダリティを統合することにより、統一された表現空間を作ろうとする。
最近の進歩は、複数のモードの同時アライメントを調査しているが、いくつかの課題が残っている。
複数モーダルの同時アライメントを実現する新しいフレームワークであるPMRL(Principled Multimodal Representation Learning)を提案する。
論文 参考訳（メタデータ） (2025-07-23T09:12:25Z) - The Larger the Merrier? Efficient Large AI Model Inference in Wireless Edge Networks [56.37880529653111]
大規模計算モデル(LAIM)サービスの需要は、従来のクラウドベースの推論から、低レイテンシでプライバシ保護のアプリケーションのためのエッジベースの推論へのパラダイムシフトを推進している。
本稿では,事前学習したLAIMをデバイス上のサブモデルとサーバ上のサブモデルに分割して配置するLAIM推論方式について検討する。
論文 参考訳（メタデータ） (2025-05-14T08:18:55Z) - Label-independent hyperparameter-free self-supervised single-view deep subspace clustering [0.0]
ディープサブスペースクラスタリング(DSC)アルゴリズムは、ドメイン間で広く採用されるのを妨げるいくつかの課題に直面している。
本稿では,結合表現行列を用いたレイヤワイド自己表現損失を最小限に抑える一視点DSC手法を提案する。
提案手法は,顔,数字,オブジェクトを表す6つのデータセットに対して評価する。
論文 参考訳（メタデータ） (2025-04-25T08:54:34Z) - LIFT: Latent Implicit Functions for Task- and Data-Agnostic Encoding [4.759109475818876]
Implicit Neural Representations (INR)は、多様なデータドメインをまたいだタスクモデリングを統合するための強力なパラダイムであることが証明されている。
本稿では,メタラーニングによるマルチスケール情報をキャプチャする新しい高性能フレームワークLIFTを紹介する。
また、残差接続と表現頻度符号化を組み込んだLIFTの強化版であるReLIFTについても紹介する。
論文 参考訳（メタデータ） (2025-03-19T17:00:58Z) - Task-Oriented Feature Compression for Multimodal Understanding via Device-Edge Co-Inference [49.77734021302196]
本稿では,マルチモーダル理解のためのタスク指向特徴圧縮(TOFC)手法を提案する。
圧縮効率を向上させるために、視覚特徴の特性に基づいて複数のエントロピーモデルを適応的に選択する。
その結果,TOFCはデータ転送オーバヘッドの最大60%削減,システム遅延の50%削減を実現している。
論文 参考訳（メタデータ） (2025-03-17T08:37:22Z) - Scalable spectral representations for multi-agent reinforcement learning in network MDPs [13.782868855372774]
マルチエージェント制御の一般的なモデルであるNetwork Markov Decision Processes (MDPs)は、効率的な学習に重大な課題をもたらす。
まず、ネットワークMDPに対してスケーラブルなスペクトル局所表現を導出し、各エージェントの局所$Q$関数に対するネットワーク線形部分空間を誘導する。
我々は,連続的な状態対応ネットワークMDPのためのスケーラブルなアルゴリズムフレームワークを設計し,アルゴリズムの収束をエンドツーエンドで保証する。
論文 参考訳（メタデータ） (2024-10-22T17:45:45Z) - Semantic Equitable Clustering: A Simple and Effective Strategy for Clustering Vision Tokens [57.37893387775829]
我々はSemantic Equitable Clustering(SEC)という,高速かつバランスの取れたクラスタリング手法を導入する。
SECは、グローバルなセマンティックな関連性に基づいてトークンを効率的かつ直接的な方法でクラスタ化する。
視覚言語コネクタとして機能する汎用視覚バックボーンであるSECViTを提案する。
論文 参考訳（メタデータ） (2024-05-22T04:49:00Z) - Efficient and Effective Deep Multi-view Subspace Clustering [9.6753782215283]
E$2$MVSC(Efficient and Effective Deep Multi-View Subspace Clustering)と呼ばれる新しいディープフレームワークを提案する。
パラメータ化されたFC層の代わりに、より計算効率のよいサンプル数からネットワークパラメータスケールを分離するRelation-Metric Netを設計する。
E$2$MVSCは既存のメソッドに匹敵する結果を出し、様々なタイプのマルチビューデータセットで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2023-10-15T03:08:25Z) - Perceiver-based CDF Modeling for Time Series Forecasting [25.26713741799865]
本稿では,時系列データの累積分布関数(CDF)をモデル化するための新しいアーキテクチャであるPerceiver-CDFを提案する。
提案手法は,マルチモーダル時系列予測に適したコプラに基づくアテンション機構と,知覚アーキテクチャを組み合わせたものである。
単調かつマルチモーダルなベンチマークの実験は、最先端の手法よりも20%改善されていることを一貫して示している。
論文 参考訳（メタデータ） (2023-10-03T01:13:17Z) - FormerTime: Hierarchical Multi-Scale Representations for Multivariate
Time Series Classification [53.55504611255664]
formerTimeは、多変量時系列分類タスクの分類能力を改善する階層的表現モデルである。
1)時系列データから階層的なマルチスケール表現を学習し、(2)トランスフォーマーと畳み込みネットワークの強さを継承し、(3)自己維持メカニズムによって引き起こされる効率の課題に取り組む。
論文 参考訳（メタデータ） (2023-02-20T07:46:14Z) - Efficient Cluster-Based k-Nearest-Neighbor Machine Translation [65.69742565855395]
k-Nearest-Neighbor Machine Translation (kNN-MT)は、最近、ニューラルネットワーク翻訳(NMT)におけるドメイン適応のための非パラメトリックソリューションとして提案されている。
論文 参考訳（メタデータ） (2022-04-13T05:46:31Z) - Improved Dual Correlation Reduction Network [40.792587861237166]
改良二重相関低減ネットワーク(IDCRN)と呼ばれる新しいディープグラフクラスタリングアルゴリズムを提案する。
クロスビュー特徴相関行列をアイデンティティ行列に近似することにより、特徴の異なる次元間の冗長性を低減できる。
また,グラフ畳み込みネットワーク(GCN)における過度にスムースな問題による表現の崩壊を,伝播正規化項によって回避する。
論文 参考訳（メタデータ） (2022-02-25T07:48:32Z)
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。