論文の概要: Adaptive Framework for Failure-Aware Protocols in Fusion-Based Graph-State Generation

• arxiv url: http://arxiv.org/abs/2601.02087v1
• Date: Mon, 05 Jan 2026 13:13:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:23.141295
• Title: Adaptive Framework for Failure-Aware Protocols in Fusion-Based Graph-State Generation
• Title（参考訳）: 核融合型グラフ状態生成におけるフェールアウェアプロトコルの適応フレームワーク
• Authors: Korbinian Staudacher, Bhilahari Jeevanesan, Tobias Guggemos,
• Abstract要約: 我々は,融合ネットワークのグラフ理論的特徴量を用いた構築プロセスの最適化フレームワークを開発する。 本稿では, 線形クラスタ状態に対するグラフ状態生成プロトコルと, 融合故障に適応したタイプI/タイプII融合を提案する。 我々の戦略は、成功プロトコルまでの単純な繰り返しと比較して、核融合のオーバーヘッドを桁違いに減らすことができる。
• 参考スコア（独自算出の注目度）: 1.7205106391379026
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We consider the generation of photonic graph states in a linear optics setting where sequential non-deterministic fusion measurements are used to build large graph states out of small linear clusters and develop a framework to optimize the building process using graph theoretic characterizations of fusion networks. We present graph state generation protocols for linear cluster resource states and Type-I/Type-II fusions which are adaptive to fusion failure, that is, they reuse leftover graph states in the remaining building process. To estimate hardware costs, we interpret our protocols as finite Markov processes. This viewpoint allows to cast the expected number of fusion measurements until success as a first passage problem. We then deploy a pipeline of polynomial algorithms to optimize arbitrary graph states, extract fusion networks and find beneficial orderings of fusions with the goal of lowering the corresponding mean first passage times. We evaluate our pipeline for different initial resource states and fusion mechanisms with varying success probabilities. Results show that our strategies can reduce the fusion overhead by several orders of magnitude when compared to simple repeat until success protocols, especially for realistic fusion success probabilities between 50-75 %.
• Abstract（参考訳）: 連続的な非決定論的融合測定を用いて、小さな線形クラスタから大きなグラフ状態を構築する線形光学系におけるフォトニックグラフ状態の生成を検討し、融合ネットワークのグラフ理論的特徴を用いた構築プロセスの最適化のためのフレームワークを開発する。 本稿では, 線形クラスタ状態に対するグラフ状態生成プロトコルと, 融合故障に適応するタイプI/Type-II融合, すなわち, 残りの構築過程における残余グラフ状態の再利用について述べる。 ハードウェアコストを見積もるために、我々はプロトコルを有限マルコフプロセスと解釈する。 この視点は、最初の通過問題として成功するまで、期待される核融合測定数をキャストすることができる。 次に、任意のグラフ状態を最適化し、融合ネットワークを抽出し、対応する平均通過時間を下げる目的で、融合の有益順序を求めるために多項式アルゴリズムのパイプラインを配置する。 我々は,異なる初期資源状態と,異なる成功確率を持つ融合機構のパイプライン評価を行った。 以上の結果から,本手法は,成功プロトコルが成立するまでの単純な繰り返しよりも,特に50～75%の現実的な融合成功確率において,核融合のオーバーヘッドを桁違いに低減できることが示唆された。

関連論文リスト

• Deep Manifold Graph Auto-Encoder for Attributed Graph Embedding [51.75091298017941]
  本稿では,属性付きグラフデータに対する新しいDeep Manifold (Variational) Graph Auto-Encoder (DMVGAE/DMGAE)を提案する。 提案手法は,最先端のベースラインアルゴリズムを,一般的なデータセット間でのダウンストリームタスクの差を大きく越える。
  論文  参考訳（メタデータ） (2024-01-12T17:57:07Z)
• Boson subtraction as an alternative to fusion gates for generating graph states [0.0]
  線形量子ネットワークのグラフ図(LQG図)に基づいてグラフ状態を生成する方法を提案する。 これらのサブトラクションスキームは、単一の光子源と融合ゲートよりも柔軟な測定要素を備えた効率的な隠蔽光学装置に対応している。
  論文  参考訳（メタデータ） (2023-06-27T02:14:17Z)
• Graph-theoretical optimization of fusion-based graph state generation [0.0]
  我々は,PythonパッケージのOpsGraphStateとともに,任意のグラフ状態の融合ベースの生成を効果的に最適化するグラフ理論戦略を提案する。 我々の戦略は、対象のグラフ状態を単純化し、融合ネットワークを構築し、融合の順序を決定する3つの段階からなる。
  論文  参考訳（メタデータ） (2023-04-24T10:46:54Z)
• You Only Transfer What You Share: Intersection-Induced Graph Transfer Learning for Link Prediction [79.15394378571132]
  従来見過ごされていた現象を調査し、多くの場合、元のグラフに対して密に連結された補グラフを見つけることができる。 より密度の高いグラフは、選択的で有意義な知識を伝達するための自然なブリッジを提供する元のグラフとノードを共有することができる。 この設定をグラフインターセクション誘導トランスファーラーニング(GITL)とみなし,eコマースや学術共同オーサシップ予測の実践的応用に動機づけられた。
  論文  参考訳（メタデータ） (2023-02-27T22:56:06Z)
• EGRC-Net: Embedding-induced Graph Refinement Clustering Network [66.44293190793294]
  埋め込みによるグラフリファインメントクラスタリングネットワーク (EGRC-Net) という新しいグラフクラスタリングネットワークを提案する。 EGRC-Netは学習した埋め込みを利用して初期グラフを適応的に洗練し、クラスタリング性能を向上させる。 提案手法はいくつかの最先端手法より一貫して優れている。
  論文  参考訳（メタデータ） (2022-11-19T09:08:43Z)
• A Robust and Generalized Framework for Adversarial Graph Embedding [73.37228022428663]
  本稿では,AGE という逆グラフ埋め込みのための頑健なフレームワークを提案する。 AGEは、暗黙の分布から強化された負のサンプルとして偽の隣接ノードを生成する。 本フレームワークでは,3種類のグラフデータを扱う3つのモデルを提案する。
  論文  参考訳（メタデータ） (2021-05-22T07:05:48Z)
• Heuristic Semi-Supervised Learning for Graph Generation Inspired by Electoral College [80.67842220664231]
  本稿では,新たなノードやエッジを自動的に拡張して,高密度サブグラフ内のラベル類似性を向上する,新しい前処理手法であるElectoral College(ELCO)を提案する。 テストされたすべての設定において、我々の手法はベースモデルの平均スコアを4.7ポイントの広いマージンで引き上げるとともに、常に最先端のモデルよりも優れています。
  論文  参考訳（メタデータ） (2020-06-10T14:48:48Z)

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。