論文の概要: Scalable Certification of Entanglement in Quantum Networks

• arxiv url: http://arxiv.org/abs/2601.07427v1
• Date: Mon, 12 Jan 2026 11:19:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:01.355091
• Title: Scalable Certification of Entanglement in Quantum Networks
• Title（参考訳）: 量子ネットワークにおける絡み合いのスケーラブル証明
• Authors: Jing-Tao Qiu, D. M. Tong, Xiao-Dong Yu,
• Abstract要約: 量子ネットワークは、長距離量子情報処理のバックボーンを形成する。 Genuine multipartite entanglement (GME) はネットワーク性能と全体的な状態品質の指標となる。 本稿では,理論的および実験的に抽出可能な準対称証人(SSW)の家系を提案する。
• 参考スコア（独自算出の注目度）: 1.874791705935084
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum networks form the backbone of long-distance quantum information processing. Genuine multipartite entanglement (GME) serves as a key indicator of network performance and overall state quality. However, the widely used methods for certifying GME suffer from a major drawback that they either detect only a limited range of states or are applicable only to systems with a small number of parties. To overcome these limitations, we propose a family of sub-symmetric witnesses (SSWs), which are tractable both theoretically and experimentally. Analytically, we establish a connection between SSWs and the cut space of graph theory, enabling several powerful detection criteria tailored to practical quantum networks. Numerically, we show that the optimal detection can be formulated as a linear program, offering a significant efficiency advantage over the semidefinite programs commonly employed in quantum certification. Experimentally, SSWs can be evaluated via local measurements, with resource requirements independent of the local dimension in general, and even independent of the overall network size in many practical networks.
• Abstract（参考訳）: 量子ネットワークは、長距離量子情報処理のバックボーンを形成する。 Genuine multipartite entanglement (GME) はネットワーク性能と全体的な状態品質の指標となる。 しかし、広く使われているGMEの認証方法は、限られた状態のみを検出するか、少数のパーティを持つシステムにのみ適用できるという大きな欠点に悩まされている。 これらの制限を克服するため,理論上も実験上も抽出可能な準対称証人群(SSW)を提案する。 解析的に、SSWとグラフ理論の切断空間の接続を確立し、実用的な量子ネットワークに適したいくつかの強力な検出基準を実現する。 数値計算により、最適検出は線形プログラムとして定式化でき、量子認証によく用いられる半定値プログラムよりも高い効率性が得られることを示す。 実験により、SSWは局所的な測定によって評価でき、リソース要求は局所的な次元によらず、多くの実用的ネットワークにおいてネットワークサイズ全体から独立している。

関連論文リスト

• Reinforcement Learning for Quantum Network Control with Application-Driven Objectives [53.03367590211247]
  動的プログラミングと強化学習は、制御戦略を最適化するための有望なツールを提供する。 非線形で微分可能な目的関数を直接最適化する新しいRLフレームワークを提案する。 我々の研究は、RLを持つ量子ネットワークにおける非線形目的関数最適化への第一歩であり、より高度なユースケースへの道を開く。
  論文  参考訳（メタデータ） (2025-09-12T18:41:10Z)
• Measuring network quantum steerability utilizing artificial neural networks [4.041957800585053]
  ネットワーク量子ステアリングは、量子情報科学において重要な役割を果たす。 ニューラルネットワークを用いたネットワーク量子ステアビリティの測定手法を開発した。 ネットワークのステアリングしきい値が、対応する構成の下での曲線 $nu omega = 1/3$ で決定されることを解析的に実証する。
  論文  参考訳（メタデータ） (2025-02-24T12:03:04Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Guarantees on the structure of experimental quantum networks [105.13377158844727]
  量子ネットワークは、セキュアな通信、ネットワーク量子コンピューティング、分散センシングのためのマルチパーティ量子リソースと多数のノードを接続し、供給する。 これらのネットワークのサイズが大きくなるにつれて、認証ツールはそれらの特性に関する質問に答える必要がある。 本稿では,ある量子ネットワークにおいて特定の相関が生成できないことを保証するための一般的な方法を示す。
  論文  参考訳（メタデータ） (2024-03-04T19:00:00Z)
• Certifying the Topology of Quantum Networks: Theory and Experiment [0.0]
  ネットワークのトポロジを特徴付けることは、絡み合いを確実に分散できるノードを明らかにするのに不可欠である。 提案方式では,二部構成と多部構成の絡み合いの異なるネットワークを,スケーラブルな方法で識別することが可能である。 偏光子で生成された6量子ビットネットワークのトポロジーを検証し,本手法を実験的に実証した。
  論文  参考訳（メタデータ） (2023-09-22T14:50:38Z)
• Quantum-enhanced metrology with network states [8.515162179098382]
  我々は、大域的パラメータを推定するために量子ネットワーク状態を使用する場合の性能を制限する一般境界を証明した。 我々の研究は量子ネットワークにおける量子力学の限界と可能性の両方を確立している。
  論文  参考訳（メタデータ） (2023-07-15T09:46:35Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Semidefinite tests for quantum network topologies [0.9176056742068814]
  量子ネットワークは、長距離通信、量子暗号、クロック同期、分散量子コンピューティングにおいて重要な役割を果たしている。 与えられた量子ネットワークがどの相関を生じさせるのかという問題は、いまだに未解決のままである。 従来は古典的ケースで導かれていた観測可能共分散の制約が量子ネットワークにも適用可能であることを示す。
  論文  参考訳（メタデータ） (2020-02-13T22:36:46Z)
• Entanglement Classification via Neural Network Quantum States [58.720142291102135]
  本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。 我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
  論文  参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。