論文の概要: Cost-aware Photonic Graph State Generation: A Graphical Framework

• arxiv url: http://arxiv.org/abs/2509.22777v1
• Date: Fri, 26 Sep 2025 18:00:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:18.87328
• Title: Cost-aware Photonic Graph State Generation: A Graphical Framework
• Title（参考訳）: コストを意識したフォトニックグラフ状態生成 - グラフィカルなフレームワーク
• Authors: Sobhan Ghanbari, Hoi-Kwong Lo,
• Abstract要約: フォトニックグラフ状態は、量子計算と通信に不可欠な資源である。 任意の大きさと形状のフォトニックグラフ状態を生成するためのコスト対応フレームワークを提案する。 このフレームワーク内では,2ビットゲートの使用量を大幅に削減する決定論的生成アルゴリズムであるGraph Builderを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Photonic graph states are essential resources for quantum computation and communication. Deterministic emitter-based generation of graph states overcomes the scalability issues of probabilistic approaches, but their experimental realization is constrained by technological demands, often expressed by the number of two-qubit gates and the depth and/or width of the quantum circuits used to model the generation process. We introduce a cost-aware framework for the generation of photonic graph states of arbitrary size and shape, built on a complete set of necessary and sufficient conditions and a universal set of elementary graph operations that govern the evolution of the state toward the target. Within this framework, we develop Graph Builder, a deterministic generation algorithm that achieves substantial reductions (up to an order of magnitude) in two-qubit gate usage for both random and structured graphs, compared with alternative approaches. The algorithm uses the minimum number of emitters possible for a fixed emission sequence, while also supporting the use of extra emitters for controlled trade-offs between emitter count and other cost metrics. Moreover, by systematically identifying the degrees of freedom at each stage of the generation process, this framework fully characterizes the optimization landscape, enabling analytic, heuristic, or exhaustive strategies for further cost reductions. Our approach provides a general and versatile tool for designing and optimizing emitter-based photonic graph state generation protocols, essential for scalable and resource-efficient photonic quantum information processing.
• Abstract（参考訳）: フォトニックグラフ状態は、量子計算と通信に不可欠な資源である。 決定論的エミッタに基づくグラフ状態の生成は確率論的アプローチのスケーラビリティ問題を克服するが、その実験的実現は技術的要求によって制約され、しばしば2量子ゲートの数と生成過程をモデル化するために使用される量子回路の深さと幅で表される。 本稿では,任意の大きさと形状のフォトニックグラフ状態を生成するためのコストアウェアフレームワークを提案する。 このフレームワーク内では,ランダムなグラフと構造化されたグラフの両方に対して,2量子ゲートを用いた決定論的生成アルゴリズムであるGraph Builderを開発した。 このアルゴリズムは、固定されたエミッションシーケンスで可能な最小数のエミッタを使用し、エミッタカウントと他のコストメトリクスの間のトレードオフを制御するために余分なエミッタの使用をサポートする。 さらに、生成過程の各段階における自由度を体系的に同定することにより、最適化の展望を完全に特徴づけ、さらなるコスト削減のための分析的、ヒューリスティック、あるいは徹底的な戦略を可能にする。 提案手法は,スケーラブルで資源効率の良いフォトニック量子情報処理に不可欠な,エミッタベースのフォトニックグラフ状態生成プロトコルを設計・最適化するための汎用的で汎用的なツールを提供する。

関連論文リスト

• Graph Signal Generative Diffusion Models [74.75869068073577]
  拡散過程を用いたグラフ信号生成のためのU字型エンコーダ-デコーダグラフニューラルネットワーク(U-GNN)を提案する。 アーキテクチャは、エンコーダとデコーダパス間の接続をスキップすることで、異なる解像度でノード機能を学ぶ。 株価の確率予測における拡散モデルの有効性を実証する。
  論文  参考訳（メタデータ） (2025-09-21T21:57:27Z)
• A Scalable and Robust Compilation Framework for Emitter-Photonic Graph State [1.3624495460189865]
  決定論的スキームの文脈におけるGraphState-to-Circuitコンパイル問題について検討する。 本稿では,対象のグラフ状態をサブグラフに分割し,個別にコンパイルし,その後回路を結合してエミッタ資源利用を最大化する,新たなコンパイルフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-20T17:01:33Z)
• Revisiting Graph Neural Networks on Graph-level Tasks: Comprehensive Experiments, Analysis, and Improvements [54.006506479865344]
  グラフレベルグラフニューラルネットワーク(GNN)のための統一評価フレームワークを提案する。 このフレームワークは、さまざまなデータセットにわたるGNNを評価するための標準化された設定を提供する。 また,表現性の向上と一般化機能を備えた新しいGNNモデルを提案する。
  論文  参考訳（メタデータ） (2025-01-01T08:48:53Z)
• Heralded photonic graph states with inefficient quantum emitters [2.612403257963011]
  フォトニックグラフ状態を生成するための量子エミッタベースのスキームは、有望でリソース効率の良い方法論を提供する。 我々は、最先端の量子エミッタからの典型的な貧弱な光子収集と互換性のあるフォトニックグラフ状態を作成するための隠蔽スキームを提案する。
  論文  参考訳（メタデータ） (2024-05-22T00:24:01Z)
• T-GAE: Transferable Graph Autoencoder for Network Alignment [79.89704126746204]
  T-GAEはグラフオートエンコーダフレームワークで、GNNの転送性と安定性を活用して、再トレーニングなしに効率的なネットワークアライメントを実現する。 実験の結果、T-GAEは最先端の最適化手法と最高のGNN手法を最大38.7%、50.8%で上回っていることがわかった。
  論文  参考訳（メタデータ） (2023-10-05T02:58:29Z)
• A Robust and Generalized Framework for Adversarial Graph Embedding [73.37228022428663]
  本稿では,AGE という逆グラフ埋め込みのための頑健なフレームワークを提案する。 AGEは、暗黙の分布から強化された負のサンプルとして偽の隣接ノードを生成する。 本フレームワークでは,3種類のグラフデータを扱う3つのモデルを提案する。
  論文  参考訳（メタデータ） (2021-05-22T07:05:48Z)

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。