論文の概要: Autonomous Optical Alignment of Satellite-Based Entanglement Sources using Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2601.16968v1
• Date: Fri, 23 Jan 2026 18:41:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-26 14:27:27.804531
• Title: Autonomous Optical Alignment of Satellite-Based Entanglement Sources using Reinforcement Learning
• Title（参考訳）: 強化学習を用いた衛星による絡み合い源の自律的光アライメント
• Authors: Andrzej Gajewski, Robert Okuła, Marcin Pawłowski, Akshata Shenoy H,
• Abstract要約: 衛星を介して分散された量子絡み合いは、グローバルスケールの量子通信を可能にする。 オンボードのソースは ダイナミックな軌道条件による 誤調整の影響を受けやすい 我々は, 周期的極性リチウムニオブ源を用いた高品質な絡み合いを効率的に生成するための2つの再校正手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum entanglement distributed via satellites enable global-scale quantum communication. However, onboard sources are susceptible to misalignment due to dynamical orbital conditions. Here, we present two recalibration techniques for efficient generation of high quality entanglement using a periodically poled lithium niobate (PPLN)-based spontaneous parametric down-conversion (SPDC) source with minimum intervention. The first is a heuristic algorithm (HA) which mimics the manual alignment process in a laboratory. The second is based on reinforcement learning (RL). Our simulation demonstrates superior performance of RL with AUC=0.9119 compared to HA's 0.7042 in the modified ROC analysis (60 min threshold). RL achieves perfect alignment in 10 min as opposed to HA's 30 min. Both the methods operate within feasible satellite constraints, offering scalable automation for complex quantum communication scenarios.
• Abstract（参考訳）: 衛星を介して分散された量子絡み合いは、グローバルスケールの量子通信を可能にする。 しかし、搭載された光源は、ダイナミックな軌道条件による誤配の影響を受けやすい。 そこで本研究では, 周期的極性リチウムニオブ酸リチウム(PPLN)を用いたSPDC(自然パラメトリックダウンコンバージョン)を最小限の介入で効率よく生成するための2つの補正手法を提案する。 1つ目は、実験室における手動アライメントプロセスを模倣するヒューリスティックアルゴリズム(HA)である。 2つ目は強化学習(RL)である。 AUC=0.9119 の RL は HA の 0.7042 に対して, 改良 ROC 解析 (60 min しきい値) では HA の 0.7042 よりも優れていた。 RLはHAの30分とは対照的に、10分で完全なアライメントを達成する。 どちらの方法も実現可能な衛星制約内で動作し、複雑な量子通信シナリオのためのスケーラブルな自動化を提供する。

関連論文リスト

• Plug-and-Play Homeostatic Spark: Zero-Cost Acceleration for SNN Training Across Paradigms [40.57310813106791]
  スパイキングニューラルネットワークは、イベント駆動計算、スパースアクティベーション、ハードウェア効率を提供するが、トレーニングはしばしばゆっくりと収束し、安定性に欠ける。 AHSAR(Adaptive Homeostatic Spiking Activity Regulation)は,超簡易なプラグインおよびトレーニングパラダイムである。 AHSARは最適化を安定化し、モデルアーキテクチャや損失、勾配を変更することなく収束を加速する。
  論文  参考訳（メタデータ） (2025-12-04T17:26:46Z)
• Reinforcement learning entangling operations on spin qubits [0.0]
  本稿では,半導体ベースのシングルトリップレット量子ビットに対するエンタングリングプロトコルを二重量子ドットで探索するための強化学習手法を提案する。 従来の勾配に基づく手法のモデルバイアスを回避しつつ,RLエージェントが実行プロトコルを生成できることを実証する。
  論文  参考訳（メタデータ） (2025-08-20T15:05:38Z)
• Fast simulations of X-ray absorption spectroscopy for battery materials on a quantum computer [36.21999915593711]
  本研究は,X線吸収のための時間領域アルゴリズムの高度に最適化された実装を提案する。 提案アルゴリズムの低コスト化により,耐故障性量子デバイスを用いた高容量電池陰極の開発・商業化が促進される。
  論文  参考訳（メタデータ） (2025-06-18T18:00:29Z)
• Entanglement-based Quantum Key Distribution in the Daylight and Uplink Satellite Configuration: Proof-of-Principal Demonstration and Feasibility Test [0.0]
  自由空間-ファイバーハイブリッド構成におけるアップリンクデイライトQKDの実証実験について述べる。 シミュレーションされたアップリンクチャネル減衰は50dBに達し、低軌道(LEO)距離に相当する。 受信機望遠鏡で検出されたノイズレベル(最大数MHz)は、日光条件を表す。
  論文  参考訳（メタデータ） (2025-01-28T18:23:09Z)
• Sample-efficient Model-based Reinforcement Learning for Quantum Control [0.2999888908665658]
  ノイズの多い時間依存ゲート最適化のためのモデルベース強化学習(RL)手法を提案する。 標準モデルフリーRLに比べて,本手法のサンプル複雑性において,桁違いの優位性を示す。 提案アルゴリズムは,部分的特徴付き1量子ビット系と2量子ビット系の制御に適している。
  論文  参考訳（メタデータ） (2023-04-19T15:05:19Z)
• Iterative Qubit Coupled Cluster using only Clifford circuits [36.136619420474766]
  古典的に容易に生成できる理想的な状態準備プロトコルを特徴付けることができる。 繰り返し量子ビット結合クラスタ(iQCC)の変種を導入して,これらの要件を満たす手法を提案する。 本研究では, チタン系化合物Ti(C5H5)(CH3)3と (20, 20) 活性空間の複雑な系に研究を拡張した。
  論文  参考訳（メタデータ） (2022-11-18T20:31:10Z)
• Optimal quantum control via genetic algorithms for quantum state engineering in driven-resonator mediated networks [68.8204255655161]
  進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。 我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。 アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
  論文  参考訳（メタデータ） (2022-06-29T14:34:00Z)
• Ground-Assisted Federated Learning in LEO Satellite Constellations [39.646300161201076]
  フェデレートラーニング(FL)に基づく新しいアルゴリズムセットを提案する。 我々のアプローチは、星座に存在しない予測可能な接続パターンを考慮すると、標準のFLアルゴリズムとは大きく異なる。 特に、達成されたテスト精度は集中型解の96%から99.6%以内である。
  論文  参考訳（メタデータ） (2021-09-03T07:17:20Z)

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。