論文の概要: Optimizing Entanglement Distribution Protocols: Maximizing Classical Information in Quantum Networks

• arxiv url: http://arxiv.org/abs/2603.25360v1
• Date: Thu, 26 Mar 2026 12:08:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.277282
• Title: Optimizing Entanglement Distribution Protocols: Maximizing Classical Information in Quantum Networks
• Title（参考訳）: エンタングルメント分散プロトコルの最適化:量子ネットワークにおける古典的情報の最大化
• Authors: Ethan Sanchez Hidalgo, Diego Zafra Bono, Guillermo Encinas Lago, J. Xavier Salvat Lozano, Jose A. Ayala-Romero, Xavier Costa Perez,
• Abstract要約: 大規模量子ネットワークを実現する上で,効率的な絡み合い分布は基礎的な課題である。 本稿では,4つの重要な展開を導入することで,絡み合い分布問題に対処する。 まず、量子通信の第一の応用がプライベート情報の伝達であることを認識し、エンサンブル容量(EC)を導出する。
• 参考スコア（独自算出の注目度）: 5.621690515150937
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Efficient entanglement distribution is the foundational challenge in realizing large-scale Quantum Networks. However, state-of-the-art solutions are frequently limited by restrictive operational assumptions, prohibitive computational complexities, and performance metrics that misalign with practical application needs. To overcome these barriers, this paper addresses the entanglement distribution problem by introducing four pivotal advances. First, recognizing that the primary application of quantum communication is the transmission of private information, we derive the Ensemble Capacity (EC), a novel metric that explicitly quantifies the secure classical information enabled by the entanglement distribution. Second, we propose a generalized mathematical formulation that removes legacy structural restrictions in the solution space. Our formulation supports an unconstrained, arbitrary sequencing of entanglement swapping and purification. Third, to efficiently navigate the resulting combinatorial optimization space, we introduce a novel Dynamic Programming (DP)-based hypergraph generation algorithm. Unlike prior methods, our approach avoids artificial fidelity quantization, preserving exact, continuous fidelities while proactively pruning sub-optimal trajectories. Finally, we encapsulate these algorithmic solutions into CODE, a system-level, two-tiered orchestration framework designed to enable near-real-time network responsiveness. Extensive evaluations confirm that our DP-driven architecture yields superior private classical information capacity and significant reductions in computational complexity, successfully meeting the strict sub-second latency thresholds required for dynamic QN operation.
• Abstract（参考訳）: 大規模量子ネットワークを実現する上で,効率的な絡み合い分布は基礎的な課題である。 しかし、最先端のソリューションは、制限された運用上の仮定、禁止された計算上の複雑さ、実用的なアプリケーションのニーズに反するパフォーマンスメトリクスによってしばしば制限される。 これらの障壁を克服するために,本論文では,4つの重要な進展を導入して絡み合い分布問題に対処する。 まず、量子通信の第一の応用がプライベート情報の伝達であることを認識し、エンサンブル容量(EC)を導出する。 第二に、解空間におけるレガシーな構造的制約を除去する一般化された数学的定式化を提案する。 我々の定式化は、絡み合いのスワッピングと浄化の制約のない任意のシークエンシングをサポートする。 第三に、結果の組合せ最適化空間を効率的にナビゲートするために、新しい動的プログラミング(DP)に基づくハイパーグラフ生成アルゴリズムを導入する。 従来の手法と異なり,本手法では, 高精度かつ連続的な忠実さを保ちながら, 準最適軌跡を積極的に刈り取ることによって, 人工的忠実度定量化を回避している。 最後に、これらのアルゴリズムソリューションを、ほぼリアルタイムなネットワーク応答性を実現するように設計されたシステムレベルの2層オーケストレーションフレームワークであるCODEにカプセル化する。 大規模評価により,DP駆動型アーキテクチャは,動的QN動作に必要な厳密なサブ秒レイテンシしきい値を満たすことに成功し,より優れたプライベートな古典的情報容量と計算複雑性の大幅な低減をもたらすことが確認された。

関連論文リスト

• Unlocking Symbol-Level Precoding Efficiency Through Tensor Equivariant Neural Network [84.22115118596741]
  シンボルレベルのプリコーディングにおいて,推論の複雑さの低いエンドツーエンドディープラーニング(DL)フレームワークを提案する。 提案手法は,従来の手法よりも約80倍の高速化を実現しつつ,SLPの大幅な性能向上を達成できることを示す。
  論文  参考訳（メタデータ） (2025-10-02T15:15:50Z)
• 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)
• Variational Inference for Quantum HyperNetworks [16.447132371824942]
  変分量子アルゴリズムは、量子回路の測定によって二分重を生成するために用いられる。 重ね合わせや絡み合いのような重要な量子現象は、より広い解空間の探索を促進する。
  論文  参考訳（メタデータ） (2025-06-06T08:57:43Z)
• Single-loop Algorithms for Stochastic Non-convex Optimization with Weakly-Convex Constraints [49.76332265680669]
  本稿では、目的関数と制約関数の両方が弱凸である問題の重要な部分集合について検討する。 既存の手法では、収束速度の遅さや二重ループ設計への依存など、しばしば制限に直面している。 これらの課題を克服するために,新しい単一ループペナルティに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-04-21T17:15:48Z)
• Cons-training Tensor Networks: Embedding and Optimization Over Discrete Linear Constraints [2.8834278113855896]
  我々は,制約行列積状態(MPS)と呼ばれるテンソルネットワークの新たなファミリーを導入する。 MPSは、不等式を含む正確に任意の離散線型制約をスパースブロック構造に組み込む。 これらのネットワークは、特に、可能空間上で厳密にサポートされた分散をモデル化するために調整されている。
  論文  参考訳（メタデータ） (2024-05-15T00:13:18Z)
• Measurement-Based Quantum Approximate Optimization [0.24861619769660645]
  近似最適化のための計測ベースの量子コンピューティングプロトコルに焦点をあてる。 我々は,QUBO問題の広範かつ重要なクラスにQAOAを適用するための測定パターンを導出する。 我々は、より伝統的な量子回路に対する我々のアプローチのリソース要件とトレードオフについて論じる。
  論文  参考訳（メタデータ） (2024-03-18T06:59:23Z)
• Task-Oriented Sensing, Computation, and Communication Integration for Multi-Device Edge AI [108.08079323459822]
  本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。 推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
  論文  参考訳（メタデータ） (2022-07-03T06:57:07Z)
• Space-efficient binary optimization for variational computing [68.8204255655161]
  本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。 また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
  論文  参考訳（メタデータ） (2020-09-15T18:17:27Z)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)

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。