論文の概要: A Comprehensive Protocol Stack for Quantum Networks with a Global Entanglement Module

• arxiv url: http://arxiv.org/abs/2509.16817v1
• Date: Sat, 20 Sep 2025 21:39:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:15.989058
• Title: A Comprehensive Protocol Stack for Quantum Networks with a Global Entanglement Module
• Title（参考訳）: グローバルエンタングルメントモジュールを用いた量子ネットワークのための包括的プロトコルスタック
• Authors: Xiaojie Fan, C. R. Ramakrishnan, Himanshu Gupta,
• Abstract要約: 本稿では, 絡み合い資源の一貫したネットワークワイドビューを維持するGlobal Entanglement Module (GEM)を提案する。 絡み合い分布計画のリアルタイム適応実行を可能にすることで、GEMは静的計画と動的操作のギャップを埋める。 軽量スコアリングベースの戦略は,グローバルに最適だが適応しない固定木ベースラインよりも,絡み合いの発生率を約20%向上する。
• 参考スコア（独自算出の注目度）: 1.1648648796144156
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The development of large-scale quantum networks requires not only advances in physical-layer technologies but also a comprehensive protocol stack that integrates communication, control, and resource management across all layers. We present the first such protocol stack, which introduces a Global Entanglement Module (GEM) that maintains a consistent, network-wide view of entanglement resources through distributed synchronization strategies. By enabling real-time adaptive execution of entanglement distribution plans, GEM bridges the gap between static planning and dynamic operation. The stack naturally supports pre-distributed entanglement, purification, and multi-partite state generation, making it applicable to a broad range of quantum networking applications. We design and evaluate multiple adaptive heuristics for real-time execution and show that a lightweight scoring-based strategy consistently achieves the best performance, improving entanglement generation rates by about 20% over a globally optimal but non-adaptive fixed-tree baseline and achieving more than a two-fold improvement relative to recent connectionless approaches. Across all scenarios-including predistribution and fidelity analysis-GEM consistently enables lower latency and robust operation. These results establish a practical pathway toward scalable, adaptive quantum internet systems.
• Abstract（参考訳）: 大規模量子ネットワークの開発には、物理層技術の進歩だけでなく、すべての層にわたる通信、制御、リソース管理を統合する包括的なプロトコルスタックも必要である。 本稿では, 分散同期戦略を通じて, 絡み合いリソースの一貫したネットワーク全体ビューを維持するGlobal Entanglement Module (GEM)を導入した最初のプロトコルスタックを提案する。 絡み合い分布計画のリアルタイム適応実行を可能にすることで、GEMは静的計画と動的操作のギャップを埋める。 このスタックは、分散前の絡み合い、浄化、マルチパーティ状態生成を自然にサポートし、幅広い量子ネットワークアプリケーションに適用できる。 リアルタイム実行のための複数の適応的ヒューリスティックを設計・評価し、軽量スコアリングベースの戦略が常に最高の性能を達成し、大域的に最適だが非適応的な固定木ベースラインよりも約20%の絡み合い発生率を向上し、最近の接続レスアプローチと比較して2倍以上の改善を実現していることを示す。 事前分布と忠実度分析を含むすべてのシナリオにおいて、GEMは一貫して低レイテンシとロバストな操作を可能にしている。 これらの結果は、スケーラブルで適応的な量子インターネットシステムへの実践的な経路を確立する。

関連論文リスト

• The Quantum Control Hierarchy: When Physics-Informed Design Meets Machine Learning [0.6053648545114841]
  我々は、様々なオープンループプロトコルや高度な適応手法を含む、幅広い量子制御戦略に対処する。 絡み合い保存のためには、物理インフォームドなハイブリッド量子エラー補正と動的デカップリングプロトコルが最も安定で効果的な解を提供する。 DD、フロケットエンジニアリング、急激な絡み合い生成やコヒーレントトランスポートといった非自明な制御シーケンスの発見を必要とする動的なタスクに対して、モデルフリーの強化学習エージェントは、常に優れたソリューションを見つけ出す。
  論文  参考訳（メタデータ） (2025-09-16T08:56:11Z)
• Reinforcement Learning for Quantum Network Control with Application-Driven Objectives [53.03367590211247]
  動的プログラミングと強化学習は、制御戦略を最適化するための有望なツールを提供する。 非線形で微分可能な目的関数を直接最適化する新しいRLフレームワークを提案する。 我々の研究は、RLを持つ量子ネットワークにおける非線形目的関数最適化への第一歩であり、より高度なユースケースへの道を開く。
  論文  参考訳（メタデータ） (2025-09-12T18:41:10Z)
• Power Grid Control with Graph-Based Distributed Reinforcement Learning [60.49805771047161]
  この作業は、リアルタイムでスケーラブルなグリッド管理のためのグラフベースの分散強化学習フレームワークを前進させる。 グラフニューラルネットワーク(GNN)を使用して、ネットワークのトポロジ情報を単一の低レベルエージェントの観測内にエンコードする。 Grid2Opシミュレーション環境での実験は、このアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2025-09-02T22:17:25Z)
• Graph Based Deep Reinforcement Learning Aided by Transformers for Multi-Agent Cooperation [2.8169258551959544]
  本稿では、グラフニューラルネットワーク(GNN)、深層強化学習(DRL)、マルチエージェント協調と集合タスク実行の強化のためのトランスフォーマーベースのメカニズムを統合する新しいフレームワークを提案する。 提案手法はGNNを用いて,適応グラフ構築によるエージェントエージェントとエージェントゴールの相互作用をモデル化し,制約付き通信下での効率的な情報集約と意思決定を可能にする。
  論文  参考訳（メタデータ） (2025-04-11T01:46:18Z)
• Unleashing Network Potentials for Semantic Scene Completion [50.95486458217653]
  本稿では,新しいSSCフレームワーク - Adrial Modality Modulation Network (AMMNet)を提案する。 AMMNetは、モダリティ間の勾配流の相互依存性を可能にするクロスモーダル変調と、動的勾配競争を利用するカスタマイズされた逆トレーニングスキームの2つのコアモジュールを導入している。 AMMNetは最先端のSSC法よりも大きなマージンで優れていた。
  論文  参考訳（メタデータ） (2024-03-12T11:48:49Z)
• Learning towards Synchronous Network Memorizability and Generalizability for Continual Segmentation across Multiple Sites [52.84959869494459]
  臨床実践では、複数のサイトから連続的なデータストリームを継続的に学習するために、セグメンテーションネットワークが必要であることが多い。 既存の方法は、通常、以前のサイトのネットワーク記憶可能性や、目に見えないサイトの一般化可能性に制限される。 本稿では,SMG学習フレームワークの提案により,同期記憶可能性と一般化可能性の問題に取り組むことを目的とする。
  論文  参考訳（メタデータ） (2022-06-14T13:04:36Z)
• Towards Multi-agent Reinforcement Learning for Wireless Network Protocol Synthesis [2.6397379133308214]
  本稿では,無線ネットワークのためのマルチエージェント強化学習に基づくメディアアクセスフレームワークを提案する。 アクセス問題はMarkov Decision Process (MDP) として定式化され、分散学習エージェントとして機能するネットワークノード毎に強化学習を用いて解決される。
  論文  参考訳（メタデータ） (2021-02-02T17:13:37Z)
• Deep Learning-based Resource Allocation For Device-to-Device Communication [66.74874646973593]
  デバイス間通信(D2D)を用いたマルチチャネルセルシステムにおいて,リソース割り当ての最適化のためのフレームワークを提案する。 任意のチャネル条件に対する最適な資源配分戦略をディープニューラルネットワーク(DNN)モデルにより近似する深層学習(DL)フレームワークを提案する。 シミュレーションの結果,提案手法のリアルタイム性能を低速で実現できることが確認された。
  論文  参考訳（メタデータ） (2020-11-25T14:19:23Z)

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。