論文の概要: Full-stack Physics-level model of cascaded entanglement links

• arxiv url: http://arxiv.org/abs/2510.17976v1
• Date: Mon, 20 Oct 2025 18:00:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:12.436548
• Title: Full-stack Physics-level model of cascaded entanglement links
• Title（参考訳）: カスケードエンタングルメントリンクのフルスタック物理レベルモデル
• Authors: J. Gabriel Richardson, Prajit Dhara, Abhishek Bhatt, Saikat Guha, Stefan Krastanov,
• Abstract要約: 本稿では,ZALMソースを現実的条件下で,孤立的に,あるいは完全なネットワークテストベッドの一部として,モデムをモデレートするツールを多数提示する。 我々のモデリング形式はガウスと非ガウスのハイブリッド表現の上に構築され、性能と精度の間に柔軟なトレードオフをもたらす。 このソフトウェアスタックを使用して、ZALMソース上に構築された多数の完全なネットワークプロトコルを実証する。
• 参考スコア（独自算出の注目度）: 1.9014141313309265
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While the last few decades have seen a proliferation of experimental demonstrations of entanglement sources, practicality of deployment has been a secondary concern. Recently, the ZALM source was introduced, as a well engineered functional device, easily integrated within a complete networking system. It addresses numerous concerns which make typical academic demonstrations less practical: reliable heralding signals, multiplexing across multiple dimensions, and efficient use of input power. We present a stack of tools for modeling mode by mode a ZALM source under realistic conditions, in isolation, or as a part of a complete network testbed. Our modeling formalism builds upon a hybrid Gaussian and non-Gaussian representation, providing a flexible tradeoff between performance and accuracy, while also greatly simplifying the exact calculation of otherwise expensive scalar figures of merit. This toolkit, implemented in the python package called genqo, is integrated within the QuantumSavory full stack simulator and the QuantumSymbolics computer algebra system. We use this software stack to demonstrate a number of complete networking protocols built upon the ZALM source.
• Abstract（参考訳）: 過去数十年間、絡み合ったソースの実験的なデモが急増してきたが、デプロイの実践性は二次的な関心事であった。 近年、ZALMソースは、完全なネットワークシステムに容易に統合できる、よく設計された機能デバイスとして導入された。 それは、典型的な学術的なデモンストレーションをより実践的でないものにする多くの関心事に対処する: 信頼できる階層化信号、複数の次元にまたがる多重化、入力パワーの効率的な利用。 本稿では,ZALMソースを現実的条件下で,孤立的に,あるいは完全なネットワークテストベッドの一部として,モデムをモデレートするツールを多数提示する。 我々のモデリング形式は、ガウスと非ガウスのハイブリッド表現の上に構築され、性能と精度の間に柔軟なトレードオフを提供すると同時に、他の高価なスカラー値の正確な計算を大幅に単純化する。 genqoと呼ばれるpythonパッケージに実装されたこのツールキットは、QuantumSavoryフルスタックシミュレータとQuantumSymbolicsコンピュータ代数システムに統合されている。 このソフトウェアスタックを使用して、ZALMソース上に構築された多数の完全なネットワークプロトコルを実証する。

関連論文リスト

• Sample-efficient Integration of New Modalities into Large Language Models [48.81776019848246]
  マルチモーダル基礎モデルはいくつかのモダリティを処理できる。 本稿では,大規模言語モデルへのサンプル効率改善手法を提案する。 SEMIは、新しいモダリティを数秒で統合することで、サンプル効率を大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2025-09-04T18:41:59Z)
• Large Language-Geometry Model: When LLM meets Equivariance [53.8505081745406]
  本稿では,3次元物理システムを表現するための新しいフレームワークであるEquiLLMを提案する。 EquiLLMは分子動力学シミュレーション,ヒトの動作シミュレーション,抗体設計など,従来の手法よりも大幅に改善されている。
  論文  参考訳（メタデータ） (2025-02-16T14:50:49Z)
• qlbm -- A Quantum Lattice Boltzmann Software Framework [0.0]
  我々はQBM(Quantum Lattice Boltzmann Methods)の開発、シミュレーション、解析を容易にするために設計されたPythonソフトウェアパッケージであるqlbmを提案する。 qlbmは、新しいQBMの実装に合わせて量子コンポーネントの抽象化階層を導入するモジュラーフレームワークである。 自動ベンチマークユーティリティに組み込まれた複雑な境界条件を持つ2次元および3次元の複数のQBMを示すことで、ソフトウェアの汎用性を実証する。
  論文  参考訳（メタデータ） (2024-11-29T02:41:07Z)
• AdaLog: Post-Training Quantization for Vision Transformers with Adaptive Logarithm Quantizer [54.713778961605115]
  Vision Transformer (ViT) はコンピュータビジョンコミュニティにおいて最も普及しているバックボーンネットワークの1つである。 本稿では,AdaLog(Adaptive Logarithm AdaLog)量子化器を提案する。
  論文  参考訳（メタデータ） (2024-07-17T18:38:48Z)
• A Matrix Product State Model for Simultaneous Classification and Generation [0.8192907805418583]
  量子機械学習(Quantum Machine Learning, QML)は、量子コンピューティングの原理と機械学習の技法を融合させる、急速に拡大する分野である。 本稿では,MPSモデルを提案する。MPSは分類器とジェネレータの両方として機能する。 我々のコントリビューションは、生成タスクのためのテンソルネットワークメソッドのメカニズムに関する洞察を提供する。
  論文  参考訳（メタデータ） (2024-06-25T10:23:36Z)
• Binarized Spectral Compressive Imaging [59.18636040850608]
  ハイパースペクトル画像(HSI)再構成のための既存のディープラーニングモデルは、優れた性能を実現するが、膨大なメモリと計算資源を持つ強力なハードウェアを必要とする。 本稿では,BiSRNet(Biarized Spectral-Redistribution Network)を提案する。 BiSRNetは,提案手法を用いてベースモデルのバイナライズを行う。
  論文  参考訳（メタデータ） (2023-05-17T15:36:08Z)
• h-analysis and data-parallel physics-informed neural networks [0.7614628596146599]
  物理インフォームドニューラルネットワーク(PINN)に着目した機械学習スキームのデータ並列高速化について検討する。 我々はHorovodトレーニングフレームワークを通じて、$h$-analysisとデータ並列アクセラレーションに基づく新しいプロトコルを詳述する。 アクセラレーションは実装が簡単で、トレーニングを損なわず、非常に効率的で制御可能であることを示す。
  論文  参考訳（メタデータ） (2023-02-17T12:15:18Z)

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。