論文の概要: Quantum Hash Function Based on Spectral Properties of Graphs and Discrete Walker Dynamics

• arxiv url: http://arxiv.org/abs/2512.03581v1
• Date: Wed, 03 Dec 2025 09:05:27 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-04 12:09:29.308314
• Title: Quantum Hash Function Based on Spectral Properties of Graphs and Discrete Walker Dynamics
• Title（参考訳）: グラフのスペクトル特性と離散ウォーカーダイナミクスに基づく量子ハッシュ関数
• Authors: Mohana Priya Thinesh Kumar, Pranavishvar Hariprakash,
• Abstract要約: 我々は、メッセージ誘発グラフから高エントロピー指紋を生成する新しい量子スペクトルハッシュアルゴリズム、Quantum Graph Hash (QGH-256)を提案する。 4×4トロイダルグリッドにQGH-256を実装し、より小さなグリッドは衝突を示し、大きなグリッドは実行時間を著しく増加させる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We present Quantum Graph Hash (QGH-256), a novel quantum spectral hashing algorithm that generates high-entropy fingerprints from message-induced graphs. Each input message is mapped to a weighted graph via a discrete random walk on an n X n toroidal grid, where the walk dynamics determine the edge weights. Quantum Phase Estimation (QPE) is then used to extract the phase spectrum of the graph Laplacian. Unlike standard QPE settings, the phase estimation is performed with respect to a superposition state (a uniform superposition over all node basis states) rather than an eigenvector, ensuring that all eigencomponents contribute to the resulting spectrum. This yields spectral features that distinguish even co-spectral but non-isomorphic message-induced graphs. The final spectral fingerprint is converted into a 256-bit digest, producing a compact representation of the input. As the fingerprint encodes both spectral and dynamical properties of the message-induced graph, the resulting hash exhibits strong sensitivity to input perturbations and provides a structurally rich foundation for post-quantum hashing. To demonstrate the feasibility of the approach, we implement QGH-256 on a 4 X 4 toroidal grid, chosen empirically: smaller grids exhibit collisions, whereas larger grids significantly increase execution time. The entire pipeline is implemented in Qiskit, and we use a seeded statevector simulator to obtain stable, noise-free results.
• Abstract（参考訳）: 我々は、メッセージ誘発グラフから高エントロピー指紋を生成する新しい量子スペクトルハッシュアルゴリズム、Quantum Graph Hash (QGH-256)を提案する。 各入力メッセージは、n X n のトロイド格子上の離散ランダムウォークを介して重み付きグラフにマッピングされ、ウォークダイナミクスがエッジウェイトを決定する。 その後、量子位相推定(QPE)を用いてグラフラプラシアンの位相スペクトルを抽出する。 標準的なQPE設定とは異なり、位相推定は固有ベクトルではなく重ね合わせ状態(全てのノード基底状態に対する均一な重ね合わせ)に対して行われ、すべての固有成分が結果のスペクトルに寄与することを保証する。 これは、共スペクトルでも同型でないメッセージ誘発グラフを区別するスペクトル特性をもたらす。 最終的なスペクトル指紋は256ビットダイジェストに変換され、入力のコンパクトな表現を生成する。 指紋はメッセージ誘発グラフのスペクトル特性と動的特性の両方を符号化するので、結果として生じるハッシュは入力の摂動に対して強い感度を示し、量子後ハッシュの構造的にリッチな基盤を提供する。 提案手法の有効性を示すため, 4 X 4 トロイダルグリッド上に QGH-256 を実装した。 パイプライン全体はQiskitで実装され、種付き状態ベクトルシミュレータを用いて安定したノイズフリーな結果を得る。

関連論文リスト

• Shallow IQP circuit and graph generation [37.067444579637076]
  生成グラフモデルとして、浅い瞬時量子時間回路を導入する。 シミュレーションおよび大規模実験により, バイパルタイト分布とエルドホス-ルエニ分布について検討した。
  論文  参考訳（メタデータ） (2025-11-07T14:28:56Z)
• A Spectral Interpretation of Redundancy in a Graph Reservoir [51.40366905583043]
  この研究はMRGNN(Multi resolution Reservoir Graph Neural Network)における貯留層の定義を再考する。 コンピュータグラフィックスにおける表面設計の分野で最初に導入されたフェアリングアルゴリズムに基づく変種を提案する。 この論文の中核的な貢献は、ランダムウォークの観点からのアルゴリズムの理論解析にある。
  論文  参考訳（メタデータ） (2025-07-17T10:02:57Z)
• Piecewise Constant Spectral Graph Neural Network [5.048196692772085]
  グラフニューラルネットワーク(GNN)は、データ内のグラフ構造を活用することで、さまざまな領域で大きな成功を収めている。 既存のスペクトルGNNは、スペクトル特性を捉えるために低度フィルタを使用しており、グラフのスペクトル特性が小さいため、完全には識別できない可能性がある。 これらの課題に対処するために、PieCoN(Constant Piecewise Spectral Graph Neural Network)を導入する。
  論文  参考訳（メタデータ） (2025-05-07T21:17:06Z)
• Learning Efficient Positional Encodings with Graph Neural Networks [109.8653020407373]
  グラフのための学習可能なPEの新しいフレームワークであるPEARLを紹介する。 PEARL は線形複雑性を持つ固有ベクトルの同変関数を近似し、その安定性と高表現力を厳密に確立する。 解析の結果、PEARLは線形複雑度を持つ固有ベクトルの同変関数を近似し、その安定性と高表現能を厳密に確立することを示した。
  論文  参考訳（メタデータ） (2025-02-03T07:28:53Z)
• Supervised binary classification of small-scale digit images and weighted graphs with a trapped-ion quantum processor [56.089799129458875]
  捕捉された171ドルYb$+$イオンに基づく量子プロセッサのベンチマーク結果を示す。 リングトポロジを持つ小さな二進数画像と重み付きグラフの2種類のデータセットに対して、教師付き二進分類を行う。
  論文  参考訳（メタデータ） (2024-06-17T18:20:51Z)
• Generating Graphs via Spectral Diffusion [48.70458395826864]
  本稿では,1)グラフラプラシア行列のスペクトル分解と2)拡散過程に基づく新しいグラフ生成モデルGGSDを提案する。 合成グラフと実世界のグラフの両方に関する広範な実験は、最先端の代替品に対する我々のモデルの強みを実証している。
  論文  参考訳（メタデータ） (2024-02-29T09:26:46Z)
• Gaussian Boson Sampling to Accelerate NP-Complete Vertex-Minor Graph Classification [0.9935277311162707]
  2つのグラフが互いに小さいかどうかを決定するNP完全問題に対するハイブリッド量子古典アルゴリズムを提案する。 ワンショット分類精度と入力スクイーズ量とのトレーディングが可能なグラフ埋め込みを見つける。 本稿では,グラフスペクトルに基づく新しい古典的アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-02-05T21:24:11Z)
• Multipartite Entanglement Distribution in Quantum Networks using Subgraph Complementations [8.194910516215462]
  量子ネットワーク上でグラフ状態を分散する新しい手法を提案する。 グラフ状態の共通クラスを,部分グラフ補完を用いた最適分布時間とともに分類する。
  論文  参考訳（メタデータ） (2023-08-25T23:03:25Z)
• Seq-HGNN: Learning Sequential Node Representation on Heterogeneous Graph [57.2953563124339]
  本稿では,シーケンシャルノード表現,すなわちSeq-HGNNを用いた新しい異種グラフニューラルネットワークを提案する。 Heterogeneous Graph Benchmark (HGB) と Open Graph Benchmark (OGB) の4つの広く使われているデータセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2023-05-18T07:27:18Z)
• Graph Coloring with Quantum Annealing [0.0]
  そこで我々は,D-Wave 2X を独立セットサンプリングとして用いたグラフカラー化近似アルゴリズムを開発した。 ランダムに生成された小さなグラフインスタンスのセットは、テストセットとして役立ちます。 我々の性能分析は、ハイブリッド量子古典アルゴリズムにおける量子優位性に限界があることを示唆している。
  論文  参考訳（メタデータ） (2020-12-08T15:08:22Z)

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。