論文の概要: Flexible Qubit Allocation of Network Resource States

• arxiv url: http://arxiv.org/abs/2510.15776v1
• Date: Fri, 17 Oct 2025 16:01:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 20:17:34.701217
• Title: Flexible Qubit Allocation of Network Resource States
• Title（参考訳）: ネットワークリソース状態のフレキシブルなビット割り当て
• Authors: Francesco Mazza, Jorge Miguel-Ramiro, Jessica Illiano, Alexander Pirker, Marcello Caleffi, Angela Sara Cacciapuoti, Wolfgang Dür,
• Abstract要約: フレキシブルで非自明なqubit-to-node代入を用いたグラフ状態の利用について検討する。 ネットワークリソースの状態として任意のアロケーションを持つクラスタ状態に注目する。 物理ネットワーク上の絡み合いトポロジをオーバーレイするモデリングフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 37.8666266153972
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The Quantum Internet is still in its infancy, yet identifying scalable and resilient quantum network resource states is an essential task for realizing it. We explore the use of graph states with flexible, non-trivial qubit-to-node assignments. This flexibility enables adaptable engineering of the entanglement topology of an arbitrary quantum network. In particular, we focus on cluster states with arbitrary allocation as network resource states and as a promising candidate for a network core-level entangled resource, due to its intrinsic flexible connectivity properties and resilience to particle losses. We introduce a modeling framework for overlaying entanglement topologies on physical networks and demonstrate how optimized and even random qubit assignment, creates shortcuts and improves robustness and memory savings, while substantially reducing the average hop distance between remote network nodes, when compared to conventional approaches.
• Abstract（参考訳）: 量子インターネットはまだ初期段階ですが、スケーラブルでレジリエントな量子ネットワークリソースの状態を特定することは、それを実現する上で不可欠なタスクです。 フレキシブルで非自明なqubit-to-node代入を用いたグラフ状態の利用について検討する。 この柔軟性は任意の量子ネットワークの絡み合いトポロジーの適応工学を可能にする。 特に,ネットワークリソース状態として任意の割り当てを行うクラスタ状態に着目し,本質的なフレキシブルな接続性と粒子損失に対するレジリエンスのため,ネットワークコアレベルの絡み合ったリソースの候補として期待できる。 物理ネットワーク上での絡み合いトポロジをオーバーレイするモデリングフレームワークを導入し、従来の手法に比べて、平均ホップ距離を大幅に削減しつつ、ランダムなキュービット割り当ての最適化、ショートカットの生成、ロバスト性およびメモリ節約の改善を実証する。

関連論文リスト

• A Framework for Distributed Resource Allocation in Quantum Networks [8.76473628143937]
  分散リソース割り当てフレームワークをQuantum Internetに導入し、既存のアプリケーションに完全に分散化された調整を頼りにしている。 我々はQNUM(Quantum Network Utility Maximization)の数学的枠組みの下で量子ネットワーク制御アルゴリズムを開発する。 次に、QPrimal-Dualという分散型でスケーラブルなアルゴリズムを導入し、ローカル状態情報を利用するネットワークコントローラを設置してQNUMを解決する。
  論文  参考訳（メタデータ） (2025-10-10T13:27:32Z)
• Space-time Peer-to-Peer Distribution of Multi-party Entanglement for Any Quantum Network [2.2110030760685957]
  本稿では,ネットワーク層における一般的なグラフ状態分布を効率的に実装するための新しい量子ネットワークプロトコルを提案する。 一般グラフ状態分布問題に対する明示的な数学的モデルを構築した。 我々は、ネットワーク問題におけるメモリ管理のための相対性理論の対称性にインスパイアされた時空量子ネットワークを活用する。
  論文  参考訳（メタデータ） (2024-12-19T11:37:32Z)
• Resilient Entanglement Distribution in a Multihop Quantum Network [0.605746798865181]
  ネットワークリーチとレジリエンスを改善するために,マルチホップ量子ネットワークを導入する。 オークリッジ国立研究所キャンパスにおける量子ネットワーク内での多重ホップ2量子偏光-絡み合い分布について述べる。
  論文  参考訳（メタデータ） (2024-07-29T22:42:08Z)
• Generative AI-enabled Quantum Computing Networks and Intelligent Resource Allocation [80.78352800340032]
  量子コンピューティングネットワークは、大規模な生成AI計算タスクと高度な量子アルゴリズムを実行する。 量子コンピューティングネットワークにおける効率的なリソース割り当ては、量子ビットの可変性とネットワークの複雑さのために重要な課題である。 我々は、生成学習から量子機械学習まで、最先端強化学習(RL)アルゴリズムを導入し、最適な量子リソース割り当てを行う。
  論文  参考訳（メタデータ） (2024-01-13T17:16:38Z)
• Quantum network-entanglement measures [0.0]
  本稿では、量子資源理論の一般的な枠組みの中で明確に定義された量子ネットワーク絡みの測度を紹介する。 また,ネットワークの絡み合いの新たな目撃者を導入することで,これらの指標を推定する方法を提案する。
  論文  参考訳（メタデータ） (2023-11-23T11:50:09Z)
• Optimized Quantum Networks [68.8204255655161]
  量子ネットワークは、ネットワーク要求の前に様々な種類の絡み合いを生成することができる。 これを応用して、所望の機能に合わせた絡み合いベースの量子ネットワークを設計する。
  論文  参考訳（メタデータ） (2021-07-21T18:00:07Z)
• Entanglement Rate Optimization in Heterogeneous Quantum Communication Networks [79.8886946157912]
  量子通信ネットワークは、将来6G以降の通信ネットワークにおいて重要な構成要素となる可能性のある、有望な技術として登場しつつある。 近年の進歩は、実際の量子ハードウェアによる小規模および大規模量子通信ネットワークの展開に繋がった。 量子ネットワークにおいて、絡み合いは異なるノード間でのデータ転送を可能にする鍵となるリソースである。
  論文  参考訳（メタデータ） (2021-05-30T11:34:23Z)
• Learning Connectivity of Neural Networks from a Topological Perspective [80.35103711638548]
  本稿では,ネットワークを解析のための完全なグラフに表現するためのトポロジ的視点を提案する。 接続の規模を反映したエッジに学習可能なパラメータを割り当てることにより、学習プロセスを異なる方法で行うことができる。 この学習プロセスは既存のネットワークと互換性があり、より大きな検索空間と異なるタスクへの適応性を持っている。
  論文  参考訳（メタデータ） (2020-08-19T04:53:31Z)
• Resource Allocation via Graph Neural Networks in Free Space Optical Fronthaul Networks [119.81868223344173]
  本稿では,自由空間光(FSO)フロントホールネットワークにおける最適資源割り当てについて検討する。 我々は、FSOネットワーク構造を利用するために、ポリシーパラメータ化のためのグラフニューラルネットワーク(GNN)を検討する。 本アルゴリズムは,システムモデルに関する知識が不要なモデルフリーでGNNを訓練するために開発された。
  論文  参考訳（メタデータ） (2020-06-26T14:20:48Z)

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。