論文の概要: Generative Adversarial Networks for Resource State Generation

• arxiv url: http://arxiv.org/abs/2601.13708v1
• Date: Tue, 20 Jan 2026 08:04:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:23.217233
• Title: Generative Adversarial Networks for Resource State Generation
• Title（参考訳）: 資源状態生成のためのジェネレーティブ・アドバイサル・ネットワーク
• Authors: Shahbaz Shaik, Sourav Chatterjee, Sayantan Pramanik, Indranil Chakrabarty,
• Abstract要約: 本稿では,量子資源状態生成を逆設計タスクとして再キャストする物理インフォームド・ジェネレーティブ・アダクティブ・アダクショナル・ネットワークフレームワークを提案する。 タスク固有のユーティリティ関数をトレーニングに組み込むことで、テレポーテーションと絡み合いのブロードキャストに最適化された有効な2量子状態を生成することを学ぶ。
• 参考スコア（独自算出の注目度）: 1.9832598896178517
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce a physics-informed Generative Adversarial Network framework that recasts quantum resource-state generation as an inverse-design task. By embedding task-specific utility functions into training, the model learns to generate valid two-qubit states optimized for teleportation and entanglement broadcasting. Comparing decomposition-based and direct-generation architectures reveals that structural enforcement of Hermiticity, trace-one, and positivity yields higher fidelity and training stability than loss-only approaches. The framework reproduces theoretical resource boundaries for Werner-like and Bell-diagonal states with fidelities exceeding ~98%, establishing adversarial learning as a lightweight yet effective method for constraint-driven quantum-state discovery. This approach provides a scalable foundation for automated design of tailored quantum resources for information-processing applications, exemplified with teleportation and broadcasting of entanglement, and it opens up the possibility of using such states in efficient quantum network design.
• Abstract（参考訳）: 本稿では,量子資源状態生成を逆設計タスクとして再キャストする物理インフォームド・ジェネレーティブ・アダクティブ・アダクショナル・ネットワークフレームワークを提案する。 タスク固有のユーティリティ関数をトレーニングに組み込むことで、テレポーテーションと絡み合いの放送に最適化された有効な2量子状態を生成することを学ぶ。 分解に基づくアーキテクチャと直接世代アーキテクチャを比較すると、Hermiticity, trace-one, and positivityの構造的強制により、損失のみのアプローチよりも高い忠実性とトレーニング安定性が得られることが分かる。 このフレームワークは、98%以上の忠実度を持つヴェルナー状態とベル対角状態の理論的リソース境界を再現し、制約駆動型量子状態発見の軽量かつ効果的な方法として逆学習を確立した。 このアプローチは、情報処理アプリケーションのための調整された量子リソースの自動設計のためのスケーラブルな基盤を提供する。

関連論文リスト

• CoCo-Fed: A Unified Framework for Memory- and Communication-Efficient Federated Learning at the Wireless Edge [50.42067935605982]
  ローカルメモリの効率とグローバル通信の削減を両立させる新しい圧縮・結合型学習フレームワークを提案する。 CoCo-Fedは、メモリと通信効率の両方において最先端のベースラインを著しく上回り、非IID設定下では堅牢な収束を維持している。
  論文  参考訳（メタデータ） (2026-01-02T03:39:50Z)
• Flexible Qubit Allocation of Network Resource States [37.8666266153972]
  フレキシブルで非自明なqubit-to-node代入を用いたグラフ状態の利用について検討する。 ネットワークリソースの状態として任意のアロケーションを持つクラスタ状態に注目する。 物理ネットワーク上の絡み合いトポロジをオーバーレイするモデリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-17T16:01:17Z)
• 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)
• Hybrid Reward-Driven Reinforcement Learning for Efficient Quantum Circuit Synthesis [0.0]
  量子回路の効率的な合成のための強化学習フレームワークが導入された。 このフレームワークは、ターゲット状態に向かってエージェントを誘導する静的なドメインインフォームド報酬と、カスタマイズ可能な動的ペナルティを組み合わせたものだ。 最大7キュービットのグラフ状態準備タスクのベンチマークを行い、アルゴリズムが最小深度回路を常に発見できることを実証した。
  論文  参考訳（メタデータ） (2025-07-22T14:39:20Z)
• Adaptive Entanglement Routing with Deep Q-Networks in Quantum Networks [0.19731444261635428]
  量子インターネットは、グローバル通信の変革の可能性を秘めている。 量子ビットのような重要なリソースの効率的な分配は、永続的で未解決の課題である。 本研究では,新しい強化学習に基づく適応的絡み合いルーティングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-01T20:05:54Z)
• Dynamic Inhomogeneous Quantum Resource Scheduling with Reinforcement Learning [17.229068960497273]
  量子情報科学と技術における中心的な課題は、量子システムのリアルタイム推定とフィードフォワード制御の実現である。 量子ビット対の自己アテンション機構を強調するトランスフォーマーモデルを用いた新しいフレームワークを提案する。 提案手法は量子システムの性能を著しく改善し,ルールベースエージェントよりも3ドル以上向上する。
  論文  参考訳（メタデータ） (2024-05-25T23:39:35Z)
• Generative AI-enabled Quantum Computing Networks and Intelligent Resource Allocation [80.78352800340032]
  量子コンピューティングネットワークは、大規模な生成AI計算タスクと高度な量子アルゴリズムを実行する。 量子コンピューティングネットワークにおける効率的なリソース割り当ては、量子ビットの可変性とネットワークの複雑さのために重要な課題である。 我々は、生成学習から量子機械学習まで、最先端強化学習(RL)アルゴリズムを導入し、最適な量子リソース割り当てを行う。
  論文  参考訳（メタデータ） (2024-01-13T17:16:38Z)
• Entangled Pair Resource Allocation under Uncertain Fidelity Requirements [59.83361663430336]
  量子ネットワークにおいて、効果的な絡み合いルーティングは、量子ソースと量子宛先ノード間の通信を容易にする。 本稿では,絡み合ったペアに対する資源配分モデルと,整合性保証を伴う絡み合ったルーティングモデルを提案する。 提案モデルでは, ベースラインモデルと比較して, 総コストを少なくとも20%削減できる。
  論文  参考訳（メタデータ） (2023-04-10T07:16:51Z)
• Experimental multi-state quantum discrimination through a Quantum network [63.1241529629348]
  我々は,ネットワーク構造に特徴付けられる受信機と情報処理の動的処理に基づいて,最小エラーシナリオにおいて2つの識別方式を実験的に実装した。 第1のプロトコルはバイナリ最適識別を実現し、第2のプロトコルは、ネットワークライク受信機の動的特徴に依存するマルチステート量子識別に対する新しいアプローチを提供する。
  論文  参考訳（メタデータ） (2021-07-21T09:26:48Z)
• Entanglement Rate Optimization in Heterogeneous Quantum Communication Networks [79.8886946157912]
  量子通信ネットワークは、将来6G以降の通信ネットワークにおいて重要な構成要素となる可能性のある、有望な技術として登場しつつある。 近年の進歩は、実際の量子ハードウェアによる小規模および大規模量子通信ネットワークの展開に繋がった。 量子ネットワークにおいて、絡み合いは異なるノード間でのデータ転送を可能にする鍵となるリソースである。
  論文  参考訳（メタデータ） (2021-05-30T11:34:23Z)
• Effective routing design for remote entanglement generation on quantum networks [6.695045642641268]
  量子メモリのような比較的限られた資源を持つ量子ネットワーク上での効率的な絡み合い生成は、ネットワークの機能を完全に実現するために不可欠である。 ソース終端局間の絡み合い発生の複数の要求に対する自動応答を可能にする効果的なルーティング方式を提案する。 接続要求毎に複数の接続経路が利用され、また、絡み合う浄化を行うことにより、各経路に対して絡み合う忠実度が確保される。
  論文  参考訳（メタデータ） (2020-01-07T18:16:55Z)

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。