論文の概要: Lightweight Quantum Agent for Edge Systems: Joint PQC and NOMA Resource Allocation
- arxiv url: http://arxiv.org/abs/2604.25980v1
- Date: Tue, 28 Apr 2026 15:29:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-30 15:59:36.119871
- Title: Lightweight Quantum Agent for Edge Systems: Joint PQC and NOMA Resource Allocation
- Title（参考訳）: エッジシステムのための軽量量子エージェント:複合PQCとNOMA資源配分
- Authors: Yongtao Yao, Wenjing Xiao, Miaojiang Chen, Anfeng Liu, Zhiquan Liu, Min Chen, Ahmed Farouk, H. Herbert Song,
- Abstract要約: モバイルエッジデバイスとインテリジェントコンピューティングエッジ(ICE)システムに関する既存の研究は、ポスト量子(PQC)モジュールのエネルギー消費を見落としている。
従来のリソース割り当ては、リアルタイムな意思決定の要求を満たしていない。
本稿では,PQCモジュールの静的電力消費制約を組み込んだ多段階混合プログラミング(MINLP)モデルを提案する。
- 参考スコア（独自算出の注目度）: 17.22802177593535
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the context of quantum secure scenarios, existing research on mobile edge devices and intelligent computing and edge (ICE) systems based on the Non-Orthogonal Multiple Access (NOMA) communication model have overlooked the energy consumption overhead of Post-Quantum Cryptography (PQC) modules, and the high complexity of traditional resource allocation algorithms fails to meet the demands of real-time decision-making. To address these challenges, this paper proposes a lightweight agentic AI framework designed for online joint optimization within ICE-enabled mobile devices. The scheme constructs a multi-stage stochastic Mixed Integer Nonlinear Programming (MINLP) model that incorporates static power-consumption constraints for PQC modules. Based on Lyapunov optimization theory, the long-term optimization problem is decoupled, and a linear complexity algorithm is proposed to solve the nonconvex challenges of NOMA power allocation . Simulation results verify that the proposed scheme significantly improves computational throughput while ensuring system queue stability and energy consumption constraints. Compared with traditional Successive Convex Approximation (SCA) algorithms, the complexity is reduced to $\mathcal{O}(N)$, achieving a speedup of approximately 46 times when the number of devices $N=35$, thereby meeting the real-time decision-making requirements in dynamic wireless environments.
- Abstract（参考訳）: 量子セキュアなシナリオでは、非直交多重アクセス(NOMA)通信モデルに基づくモバイルエッジデバイスとインテリジェント・コンピューティング・アンド・エッジ(ICE)システムに関する既存の研究は、ポスト量子暗号(PQC)モジュールのエネルギー消費オーバーヘッドを見落としており、従来のリソース割り当てアルゴリズムの複雑さは、リアルタイムな意思決定の要求を満たすのに失敗している。
これらの課題に対処するために,ICE対応モバイルデバイス内でのオンライン共同最適化を目的とした軽量エージェントAIフレームワークを提案する。
このスキームは、PQCモジュールの静的電力消費制約を組み込んだ多段階確率混合整数非線形プログラミング(MINLP)モデルを構築する。
Lyapunov最適化理論に基づき、長期最適化問題を分離し、NOMA電力割り当ての非凸問題を解決するために線形複雑化アルゴリズムを提案する。
シミュレーションの結果,提案手法はシステムキューの安定性とエネルギー消費の制約を確保しつつ,計算スループットを著しく向上させることを確認した。
従来のSuccessive Convex Approximation (SCA)アルゴリズムと比較して、複雑さは$\mathcal{O}(N)$に減少し、デバイス数$N=35$の約46倍のスピードアップを実現し、動的無線環境におけるリアルタイムな意思決定要件を満たす。
関連論文リスト
- Entanglement Rate Maximization for Dual-Connectivity Wireless Quantum Networks [9.619596495371793]
本稿では、複数の量子基地局(Ss)からなる二重接続性(DC)無線量子ネットワークにおける絡み合い率の問題について検討する。
DCアーキテクチャでは、各QUは最大2つのQBSを関連付けることができ、従来の単一接続方式と比較して資源利用率を高めることができる。
元の定式化をエンタングルメントレート割り当てとアソシエーションサブプロブレムに分解する交互最適化アルゴリズムを開発した。
論文 参考訳（メタデータ） (2026-04-05T15:07:41Z) - Communication-Efficient Quantum Federated Learning over Large-Scale Wireless Networks [21.963665862623245]
量子学習(QFL)は、コンピューティングの堅牢なデータ処理とプライバシ保護フェデレーション学習(FL)を組み合わせる。
大規模無線ネットワークでは、QFLの真の可能性を解き放つために、和中心の最適化が不可欠である。
本論文は,非orthoortho access (NOMA) ネットワーク用に特別に設計されている。
論文 参考訳（メタデータ） (2026-03-01T18:41:15Z) - Cost Minimization for Space-Air-Ground Integrated Multi-Access Edge Computing Systems [60.586531406445744]
宇宙空間統合多高度エッジコンピューティング(SAGIN-MEC)は、急速に発展する低高度経済に有望なソリューションを提供する。
本稿では、ユーザデバイス(UD)、無人航空機(UAV)、衛星間の協調を可能にするSAGIN-MECアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-10-24T15:03:07Z) - Quantum-Classical Hybrid Quantized Neural Network [8.382617481718643]
本稿では、任意のアクティベーションと損失関数の使用を可能にする、量子化されたニューラルネットワークトレーニングのための新しい擬似バイナリ最適化(QBO)モデルを提案する。
我々はQCBO問題を直接解くために量子コンピューティングを利用するQCGD(Quantum Gradient Conditional Descent)アルゴリズムを用いる。
論文 参考訳（メタデータ） (2025-06-23T02:12:36Z) - Efficient QAOA Architecture for Solving Multi-Constrained Optimization Problems [3.757262277494307]
本稿では,量子近似最適化Ansatzのための制約符号化手法の新たな組み合わせを提案する。
ワンホット制約は、検索空間を実現可能なサブ空間に自然に制限する$XY$-mixerによって強制される。
XY$-mixersは検索スペースを制限するため、特定の状態ベクトルエントリは常にゼロであり、シミュレーションから省略することができ、貴重なメモリとコンピューティングリソースを節約できる。
論文 参考訳（メタデータ） (2025-06-03T17:46:53Z) - Leveraging Quantum Computing for Accelerated Classical Algorithms in Power Systems Optimization [0.0]
この研究は、量子コンピューティングと古典コンピューティングを活用して、ユニットコミット(UC)問題を解決する新しいハイブリッドアルゴリズムを提案する。
そこで我々は,UCのための新しいBenders-cut生成技術を導入し,カット品質の向上,高価な量子古典的ハードウェアインタラクションの低減,量子ビット要求の低減を実現した。
擬似アニーラーと実QAHの両方の結果を比較し,QAHの量子ビット要求の低減と準最適解の生成において,このアルゴリズムの有効性を実証した。
論文 参考訳（メタデータ） (2025-03-24T19:59:36Z) - Elastic Entangled Pair and Qubit Resource Management in Quantum Cloud
Computing [73.7522199491117]
量子クラウドコンピューティング(QCC)は、量子コンピューティングリソースを効率的に提供するための有望なアプローチを提供する。
ユーザ需要の変動と量子回路の要求は、効率的なリソース供給のために困難である。
本稿では、量子コンピューティングとネットワークリソースのプロビジョニングのためのリソース割り当てモデルを提案する。
論文 参考訳（メタデータ） (2023-07-25T00:38:46Z) - Collaborative Intelligent Reflecting Surface Networks with Multi-Agent
Reinforcement Learning [63.83425382922157]
インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。
本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
論文 参考訳（メタデータ） (2022-03-26T20:37:14Z) - Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with
Heterogeneous Learning Tasks [53.1636151439562]
モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。
再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。
具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
論文 参考訳（メタデータ） (2020-12-25T07:08:50Z) - Iterative Algorithm Induced Deep-Unfolding Neural Networks: Precoding
Design for Multiuser MIMO Systems [59.804810122136345]
本稿では,AIIDNN(ディープ・アンフォールディング・ニューラルネット)を一般化した,ディープ・アンフォールディングのためのフレームワークを提案する。
古典的重み付き最小二乗誤差(WMMSE)反復アルゴリズムの構造に基づく効率的なIAIDNNを提案する。
提案したIAIDNNは,計算複雑性を低減した反復WMMSEアルゴリズムの性能を効率よく向上することを示す。
論文 参考訳（メタデータ） (2020-06-15T02:57:57Z) - RIS Enhanced Massive Non-orthogonal Multiple Access Networks: Deployment
and Passive Beamforming Design [116.88396201197533]
再構成可能なインテリジェントサーフェス(RIS)の配置と受動ビームフォーミング設計のための新しいフレームワークを提案する。
エネルギー効率を最大化するために、共同配置、位相シフト設計、および電力配分の問題を定式化する。
リアルタイムデータセットを活用することで,ユーザの遠隔交通需要を予測するために,LSTM(Long Short-term memory)ベースのエコー状態ネットワーク(ESN)アルゴリズムを提案する。
RISの展開と設計の連立問題を解くために,D3QNに基づく位置取得と位相制御アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-01-28T14:37:38Z)
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。