論文の概要: Efficient graph-diagonal characterization of noisy states distributed over quantum networks via Bell sampling

• arxiv url: http://arxiv.org/abs/2512.06650v1
• Date: Sun, 07 Dec 2025 04:19:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.447687
• Title: Efficient graph-diagonal characterization of noisy states distributed over quantum networks via Bell sampling
• Title（参考訳）: ベルサンプリングによる量子ネットワーク上に分布する雑音状態の効率的なグラフ対角特性
• Authors: Zherui Jerry Wang, Joshua Carlo A. Casapao, Naphan Benchasattabuse, Ananda G. Maity, Jordi Tura, Akihito Soeda, Michal Hajdušek, Rodney Van Meter, David Elkouss,
• Abstract要約: グラフ状態は、量子ネットワークにおける分散情報処理と通信の鍵となる、絡み合った状態の重要なクラスである。 本稿では,Bellサンプリングサブルーチンを用いて,ネットワークに分散したノイズグラフ状態のグラフベースにおける対角要素を特徴付けるプロトコルを提案する。
• 参考スコア（独自算出の注目度）: 0.10486135378491267
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Graph states are an important class of entangled states that serve as a key resource for distributed information processing and communication in quantum networks. In this work, we propose a protocol that utilizes a Bell sampling subroutine to characterize the diagonal elements in the graph basis of noisy graph states distributed across a network. Our approach offers significant advantages over direct diagonal estimation using unentangled single-qubit measurements in terms of scalability. Specifically, we prove that estimating the full vector of diagonal elements requires a sample complexity that scales linearly with the number of qubits ($\mathcal{O}(n)$), providing an exponential reduction in resource overhead compared to the best known $\mathcal{O}(2^n)$ scaling of direct estimation. Furthermore, we demonstrate that global properties, such as state fidelity, can be estimated with a sample complexity independent of the network size. Finally, we present numerical results indicating that the estimation in practice is more efficient than the derived theoretical bounds. Our work thus establishes a promising technique for efficiently estimating noisy graph states in large networks under realistic experimental conditions.
• Abstract（参考訳）: グラフ状態は、量子ネットワークにおける分散情報処理と通信の鍵となる、絡み合った状態の重要なクラスである。 本稿では,ベルサンプリングサブルーチンを用いて,ネットワークに分散したノイズグラフ状態のグラフベースにおける対角要素を特徴付けるプロトコルを提案する。 提案手法は, 拡張性の観点から, 無絡み合った単一量子ビット計測を用いた直接対角線推定よりも大きな利点を提供する。 具体的には、対角要素の全ベクトルを推定するには、クォービット数($\mathcal{O}(n)$)と線形にスケールするサンプルの複雑さが必要であることを証明し、最もよく知られた$\mathcal{O}(2^n)$のスケーリングと比較して資源オーバーヘッドを指数関数的に減少させる。 さらに、状態の忠実度などのグローバルな特性は、ネットワークサイズに依存しないサンプルの複雑さで推定できることを実証する。 最後に,実測値が導出理論境界よりも効率的であることを示す数値的な結果を示す。 そこで本研究は,現実的な実験条件下での大規模ネットワークにおけるノイズグラフ状態を効率的に推定するための有望な手法を確立する。

関連論文リスト

• Sparse Training of Discrete Diffusion Models for Graph Generation [45.103518022696996]
  SparseDiffは、ほとんど全ての大きなグラフがスパースであるという観察に基づく、新しい拡散モデルである。 エッジのサブセットを選択することで、SparseDiffは、ノイズ発生過程とノイズ発生ネットワーク内のスパースグラフ表現を効果的に活用する。 本モデルでは,小規模・大規模両方のデータセットにおいて,複数のメトリクスにわたる最先端性能を示す。
  論文  参考訳（メタデータ） (2023-11-03T16:50:26Z)
• 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)
• Graphon Pooling for Reducing Dimensionality of Signals and Convolutional Operators on Graphs [131.53471236405628]
  グラフ空間における[0, 1]2の分割上のグラフとグラフ信号の誘導的グラフ表現を利用する3つの方法を提案する。 これらの低次元表現がグラフとグラフ信号の収束列を構成することを証明している。 我々は,層間次元減少比が大きい場合,グラノンプーリングは文献で提案した他の手法よりも有意に優れていることを観察した。
  論文  参考訳（メタデータ） (2022-12-15T22:11:34Z)
• Optimal Propagation for Graph Neural Networks [51.08426265813481]
  最適グラフ構造を学習するための二段階最適化手法を提案する。 また、時間的複雑さをさらに軽減するために、低ランク近似モデルについても検討する。
  論文  参考訳（メタデータ） (2022-05-06T03:37:00Z)
• Learning Optical Flow from a Few Matches [67.83633948984954]
  密な相関体積表現は冗長であり、その中の要素のほんの一部で正確なフロー推定が達成できることを示した。 実験により,高い精度を維持しつつ計算コストとメモリ使用量を大幅に削減できることを示した。
  論文  参考訳（メタデータ） (2021-04-05T21:44:00Z)
• Block-Approximated Exponential Random Graphs [77.4792558024487]
  指数乱グラフ(ERG)の分野における重要な課題は、大きなグラフ上の非自明なERGの適合である。 本稿では,非自明なERGに対する近似フレームワークを提案する。 我々の手法は、数百万のノードからなるスパースグラフにスケーラブルである。
  論文  参考訳（メタデータ） (2020-02-14T11:42:16Z)

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。