Fugu-MT 論文翻訳(概要): Multiverse: A Simulator for Evaluating Entanglement Routing in Quantum Networks

論文の概要: Multiverse: A Simulator for Evaluating Entanglement Routing in Quantum Networks

arxiv url: http://arxiv.org/abs/2512.22937v1
Date: Sun, 28 Dec 2025 14:04:29 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-30 22:37:30.289685
Title: Multiverse: A Simulator for Evaluating Entanglement Routing in Quantum Networks
Title（参考訳）: Multiverse: 量子ネットワークにおける絡み合いルーティング評価シミュレータ
Authors: Amar Abane, Junxiao Shi, Van Sy Mai, Abderrahim Amlou, Abdella Battou,
Abstract要約: MQNSはランタイム設定可能な浄化、スワップ、メモリ管理、ルーティングをサポートする。モジュール型で最小限の設計では、MQNSアーキテクチャ非依存であり、パラダイム間の公正で再現可能な比較を可能にし、将来のエミュレーションを促進する。
参考スコア（独自算出の注目度）: 1.7833524695816205
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present MQNS, a discrete-event simulator for rapid evaluation of entanglement routing under dynamic, heterogeneous configurations. MQNS supports runtime-configurable purification, swapping, memory management, and routing, within a unified qubit lifecycle and integrated link-architecture models. A modular, minimal design keeps MQNS architecture-agnostic, enabling fair, reproducible comparisons across paradigms and facilitating future emulation.
Abstract（参考訳）: 動的不均一な構成下での絡み合い経路の高速評価のための離散イベントシミュレータMQNSを提案する。 MQNSは実行時設定可能な浄化、スワップ、メモリ管理、ルーティングをサポートし、統一されたキュービットライフサイクルと統合リンクアーキテクチャモデルでサポートする。モジュール型で最小限の設計では、MQNSアーキテクチャ非依存であり、パラダイム間の公正で再現可能な比較を可能にし、将来のエミュレーションを促進する。

関連論文リスト

AI for Distributed Systems Design: Scalable Cloud Optimization Through Repeated LLMs Sampling And Simulators [3.1594665317979698]
大規模言語モデルからのコード生成と決定論的検証をドメイン固有シミュレータで組み合わせ,AI駆動型分散システムポリシー設計について検討する。複数のモデル間のスループット改善に関する予備的な結果を報告する。我々は、AIが新しいシミュレータのブートストラップを支援することで、この方法論のスケールアップに不可欠であると推測する。
論文参考訳（メタデータ） (2025-10-20T16:10:24Z)
Platform-Agnostic Modular Architecture for Quantum Benchmarking [1.0654458441169534]
量子コンピューティングベンチマークの断片化がますます進んでいる状況に対処する,プラットフォームに依存しないモジュールアーキテクチャを提案する。我々はBernstein-Vaziraniのような単純なテストから、観測可能な計算を伴う複雑なハミルトンシミュレーションまで、20以上のベンチマーク変種をサポートしている。このアーキテクチャは、進化を続けるQED-C Application-Oriented Performance Benchmarks for Quantum Computingスイートの重要な拡張として開発されている。
論文参考訳（メタデータ） (2025-10-09T17:09:56Z)
Pangu Embedded: An Efficient Dual-system LLM Reasoner with Metacognition [95.54406667705999]
Pangu Embeddedは、Ascend Neural Processing Units (NPU) 上で開発された効率的なLarge Language Model (LLM) 推論器である。既存の推論最適化 LLM でよく見られる計算コストと推論遅延の問題に対処する。単一の統一モデルアーキテクチャ内で、迅速な応答と最先端の推論品質を提供する。
論文参考訳（メタデータ） (2025-05-28T14:03:02Z)
Simulation Streams: A Programming Paradigm for Controlling Large Language Models and Building Complex Systems with Generative AI [3.3126968968429407]
Simulation Streamsは、LLM(Large Language Models)を効率的に制御し活用するために設計されたプログラミングパラダイムである。私たちの一番の目標は、一貫性を維持するための制限に対処しながら、LLMのエージェント能力を活用するフレームワークを作ることです。
論文参考訳（メタデータ） (2025-01-30T16:38:03Z)
A Realistic Simulation Framework for Analog/Digital Neuromorphic Architectures [73.65190161312555]
ARCANAは、混合信号ニューロモルフィック回路の特性を考慮に入れたソフトウェアスパイクニューラルネットワークシミュレータである。得られた結果が,ソフトウェアでトレーニングされたスパイクニューラルネットワークの動作を,かつてハードウェアにデプロイされた場合の信頼性の高い推定方法を示す。
論文参考訳（メタデータ） (2024-09-23T11:16:46Z)
SIGMA: Selective Gated Mamba for Sequential Recommendation [56.85338055215429]
最近の進歩であるMambaは、時系列予測において例外的なパフォーマンスを示した。 SIGMA(Selective Gated Mamba)と呼ばれる,シークエンシャルレコメンデーションのための新しいフレームワークを紹介する。以上の結果から,SIGMAは5つの実世界のデータセットにおいて,現在のモデルよりも優れていたことが示唆された。
論文参考訳（メタデータ） (2024-08-21T09:12:59Z)
Design-Space Exploration of SNN Models using Application-Specific Multi-Core Architectures [0.3599866690398789]
RAVSimは最先端のSNNシミュレータであり、彼らのウェブサイトで公式モジュールとして公開されている。 RAVSimは、ユーザがモデルと対話し、出力集中の振る舞いを観察し、シミュレーション実行中いつでもパラメトリック値のセットを変更することができる実行時仮想シミュレーション環境である。
論文参考訳（メタデータ） (2024-02-07T20:41:00Z)
Squeezeformer: An Efficient Transformer for Automatic Speech Recognition [99.349598600887]
Conformerは、そのハイブリッドアテンション・コンボリューションアーキテクチャに基づいて、様々な下流音声タスクの事実上のバックボーンモデルである。 Squeezeformerモデルを提案する。これは、同じトレーニングスキームの下で、最先端のASRモデルよりも一貫して優れている。
論文参考訳（メタデータ） (2022-06-02T06:06:29Z)
Towards efficient feature sharing in MIMO architectures [102.40140369542755]
マルチインプットのマルチアウトプットアーキテクチャでは、ひとつのベースネットワーク内でマルチワークをトレーニングし、サブネットワーク予測を平均化し、無料でアンサンブルの恩恵を受けることを提案している。相対的な成功にもかかわらず、これらのアーキテクチャはパラメータの使用に不便である。この論文では、学習したサブネットワークは、より小さなモバイルやAR/VRデバイスに適用性を制限する汎用的な機能でさえも共有できない点を強調します。
論文参考訳（メタデータ） (2022-05-20T12:33:34Z)

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。