論文の概要: Simulation of Quantum Repeater Networks under Decoherence and Purification Constraints

• arxiv url: http://arxiv.org/abs/2510.07471v1
• Date: Wed, 08 Oct 2025 19:19:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-10 17:54:14.685921
• Title: Simulation of Quantum Repeater Networks under Decoherence and Purification Constraints
• Title（参考訳）: 脱コヒーレンスおよび浄化制約下における量子リピータネットワークのシミュレーション
• Authors: Wenhan Li, Shiyu Zhang,
• Abstract要約: 長距離量子通信は信頼性の高い絡み合い分布を必要とする。 Barrett-Kokのようなプロトコルによる直接生成は、距離のある成功確率を指数関数的に減少させる。 量子リピータは、チャネルをセグメント化し、絡み合いの生成、スワップ、精製を組み合わせることでこの問題に対処する。
• 参考スコア（独自算出の注目度）: 5.700779644302432
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Long-distance quantum communication requires reliable entanglement distribution, but direct generation with protocols such as Barrett--Kok suffers from exponentially decreasing success probability with distance, making it impractical over hundreds of kilometers. Quantum repeaters address this by segmenting the channel and combining entanglement generation, swapping, and purification. In this work, we present a simulation framework for chain-based repeaters under continuous-time depolarizing noise. Our model implements heralded entanglement generation, Bell-state swapping, and multi-round purification, with configurable chain length, noise levels, and purification depth. Numerical results highlight how memory decoherence constrains performance, how purification mitigates fidelity loss, and how time and entanglement costs scale with distance. While simplified, the framework offers a flexible tool for exploring trade-offs in repeater design and provides a basis for extensions toward more complex network scenarios.
• Abstract（参考訳）: 長距離量子通信は信頼性の高い絡み合い分布を必要とするが、Barrett-Kokのようなプロトコルによる直接生成は、遠距離での成功確率を指数関数的に減少させ、数百km以上も実用的ではない。 量子リピータは、チャネルをセグメント化し、絡み合いの生成、スワップ、精製を組み合わせることでこの問題に対処する。 本研究では,連続時間脱分極雑音下での連鎖型リピータのシミュレーションフレームワークを提案する。 提案モデルでは, チェーン長, ノイズレベル, パーミネーション深度を設定可能とし, エンタングルメント生成, ベル状態スワッピング, マルチラウンドパーミネーションを実現している。 数値計算の結果,メモリデコヒーレンスによる性能低下,純度低下の緩和,時間と絡み合いのコストが距離とともにどのようにスケールするかが明らかになった。 シンプルながら、このフレームワークはリピータ設計でトレードオフを探索するための柔軟なツールを提供し、より複雑なネットワークシナリオへの拡張の基盤を提供する。

関連論文リスト

• Hybrid Quantum Recurrent Neural Network For Remaining Useful Life Prediction [67.410870290301]
  本稿では、量子長短期記憶層と古典的な高密度層を組み合わせたハイブリッド量子リカレントニューラルネットワークフレームワークを提案する。 実験の結果、トレーニング可能なパラメータが少ないにもかかわらず、Hybrid Quantum Recurrent Neural Networkは、リカレントニューラルネットワークよりも最大5%改善できることがわかった。
  論文  参考訳（メタデータ） (2025-04-29T14:41:41Z)
• Asynchronous Quantum Repeater using Multiple Quantum Memory [0.6445605125467574]
  本格的な量子ネットワークは、量子リピータの助けを借りて、遠隔地間の絡み合ったリンクの形成に依存している。 単一光子干渉プロトコルと同じ効率を保った後マッチングの考え方を用いた量子リピータプロトコルを提案する。
  論文  参考訳（メタデータ） (2024-01-11T08:24:37Z)
• Entanglement Distribution in Quantum Repeater with Purification and Optimized Buffer Time [53.56179714852967]
  バッファ時間に最適化された量子リピータを用いた絡み合い分布について検討する。 終端ノードにおけるメモリ数の増加は、メモリ当たりの絡み合いの分布率を高めることを観察する。 しかし、不完全な操作を考慮すると、メモリ単位の絡み合いが記憶数の増加とともに減少するという驚くべき観察がなされる。
  論文  参考訳（メタデータ） (2023-05-23T23:23:34Z)
• Scalable Quantum Repeater Deployment Modeling [3.7710541619011737]
  長距離量子通信は、量子ビットの忠実性を維持することが難しいため、大きな課題となる。 大規模ネットワークに展開する最小数の量子リピータを迅速に決定する新しいモデルを提案する。
  論文  参考訳（メタデータ） (2023-05-16T23:54:41Z)
• Scaling Limits of Quantum Repeater Networks [62.75241407271626]
  量子ネットワーク(QN)は、セキュアな通信、強化されたセンシング、効率的な分散量子コンピューティングのための有望なプラットフォームである。 量子状態の脆弱な性質のため、これらのネットワークはスケーラビリティの観点から大きな課題に直面している。 本稿では,量子リピータネットワーク(QRN)のスケーリング限界について解析する。
  論文  参考訳（メタデータ） (2023-05-15T14:57:01Z)
• Mitigating crosstalk errors by randomized compiling: Simulation of the BCS model on a superconducting quantum computer [41.94295877935867]
  CNOT2量子ゲートを起点とするクロストークエラーは、多くの量子コンピューティングプラットフォームにおけるエラーの重要な原因である。 隣接するキュービットの特別な処理を含むランダム化コンパイルプロトコルを拡張し,適用する。 隣り合う量子ビットのツイリングは、新しい量子ビットや回路を追加することなく、ノイズ推定プロトコルを劇的に改善することを示します。
  論文  参考訳（メタデータ） (2023-05-03T18:00:02Z)
• ReQuSim: Faithfully simulating near-term quantum repeaters [0.2796197251957244]
  本稿では,モンテカルロをベースとした量子リピータのための総合シミュレーションプラットフォームReQuSimを紹介する。 我々のプラットフォームは、既知の分析結果を超える量子リピータのセットアップと戦略の分析を可能にする。
  論文  参考訳（メタデータ） (2022-12-07T19:00:13Z)
• Conditioning Trick for Training Stable GANs [70.15099665710336]
  本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。 我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
  論文  参考訳（メタデータ） (2020-10-12T16:50:22Z)

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。