Fugu-MT 論文翻訳(概要): Optimization of CV-QKD Under Practical Constraints

論文の概要: Optimization of CV-QKD Under Practical Constraints

arxiv url: http://arxiv.org/abs/2605.02045v1
Date: Sun, 03 May 2026 20:26:49 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-05 20:33:50.058468
Title: Optimization of CV-QKD Under Practical Constraints
Title（参考訳）: CV-QKDの実用的制約下における最適化
Authors: Svitlana Matsenko, Amirhossein Ghazisaeidi, Marcin Jarzyna, Konrad Banaszek, Darko Zibar,
Abstract要約: 我々は、送信機と受信機のFIRフィルタタップの制限、平均光子数、DAC/ADCの有限分解能など、実用的なハードウェア制約を最適化する。これらの現実的な条件下では,提案手法は大幅な性能向上を実現する。
参考スコア（独自算出の注目度）: 0.5219568203653522
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Using reinforcement learning, we optimize for practical hardware constraints, including limited FIR filter taps at the transmitter and receiver, mean photon number and finite DAC/ADC resolution. Under these realistic conditions, the proposed approach achieves significant performance improvements.
Abstract（参考訳）: 強化学習を用いて、送信機と受信機におけるFIRフィルタタップの制限、平均光子数、DAC/ADCの有限分解能を含む、実用的なハードウェア制約を最適化する。これらの現実的な条件下では,提案手法は大幅な性能向上を実現する。

関連論文リスト

Content Adaptive based Motion Alignment Framework for Learned Video Compression [72.13599533975413]
本稿では,コンテンツ適応型モーションアライメントフレームワークを提案する。まず、粗いオフセット予測とマスク変調により動き補償を洗練させる2段階の流動誘導変形防止機構を導入する。第2に,基準品質に基づいて歪み重みを調整するマルチ参照品質認識戦略を提案する。第3に,スムーズな動き推定を得るために,フレームを大きさと解像度でダウンサンプルするトレーニングフリーモジュールを統合する。
論文参考訳（メタデータ） (2025-12-15T02:51:47Z)
Constraint-Informed Active Learning for End-to-End ACOPF Optimization Proxies [20.822931720366658]
本稿では,AC Optimal Power Flow (ACOPF)問題に対する最適解を効率的に予測するための最適化プロキシ,機械学習(ML)モデルについて検討する。 ACOPF最適化プロキシのための新しいアクティブサンプリングフレームワークを導入し、現実的で多様なトレーニングデータを生成するように設計されている。計算結果から,既存のサンプリング法よりも同等のトレーニング予算で優れた一般化が得られた。
論文参考訳（メタデータ） (2025-11-09T06:18:38Z)
More Than Memory Savings: Zeroth-Order Optimization Mitigates Forgetting in Continual Learning [10.698225972251839]
Zeroth-order (ZO) 最適化は、一階法(FO) に代わるメモリ効率の代替として注目されている。本研究では,ZOの最適化が自然に損失景観の平ら化を招き,連続学習における忘れを減少させることを示す。この安定性は可塑性のコストを伴い、不正確な勾配推定と緩やかな収束により、ZO最適化は新しいタスク固有の知識を取得する際にFOよりも効果が低い傾向にある。 FO最適化分類器を備えた単一アダプタベースのPEFTモジュールに対して,ZO最適化を適用した簡易かつ効果的なZO-FCを提案する。
論文参考訳（メタデータ） (2025-10-23T21:54:00Z)
Efficient Onboard Vision-Language Inference in UAV-Enabled Low-Altitude Economy Networks via LLM-Enhanced Optimization [61.55616421408666]
低高度経済ネットワーク(LAENets)は、航空監視、環境検知、セマンティックデータ収集など、様々な応用を可能にしている。オンボードビジョン(VLM)は、リアルタイムな推論を提供するが、オンボードの動的ネットワーク条件は限られている。動的LEENet条件下での通信効率を向上させるUAV対応LEENetシステムを提案する。
論文参考訳（メタデータ） (2025-10-11T05:11:21Z)
End-to-End On-Device Quantization-Aware Training for LLMs at Inference Cost [53.25965863436039]
量子化対応トレーニング(QAT)は、より原則化されたソリューションを提供するが、バックプロパゲーションに依存しているため、メモリコストは禁じられている。重み付けとアクティベーション量子化の両方をサポートするゼロオーダー最適化ベースのQATフレームワークであるZeroQATを提案する。実験の結果、ZeroQATはPTQとQATのベースラインを一貫して上回り、メモリは大幅に削減された。
論文参考訳（メタデータ） (2025-08-21T01:18:27Z)
LORE: Lagrangian-Optimized Robust Embeddings for Visual Encoders [11.01163097340578]
ラグランジアン・ド・ロバスト・エンベディング(LORE:Lagrangian-d Robust Embeddings)を提案する。 LOREは、クリーンデータ精度の低下を最小限に抑え、ゼロショット対逆ロバスト性を大幅に改善する。
論文参考訳（メタデータ） (2025-05-24T21:54:52Z)
Edge-Efficient Deep Learning Models for Automatic Modulation Classification: A Performance Analysis [0.7428236410246183]
無線信号の自動変調分類(AMC)のための最適化畳み込みニューラルネットワーク(CNN)について検討した。本稿では,これらの手法を組み合わせて最適化モデルを提案する。実験結果から,提案手法と組み合わせ最適化手法は,複雑度が著しく低いモデルの開発に極めて有効であることが示唆された。
論文参考訳（メタデータ） (2024-04-11T06:08:23Z)
A Meta-Learning Based Precoder Optimization Framework for Rate-Splitting Multiple Access [53.191806757701215]
本稿では,トランスミッタ(CSIT)における部分チャネル状態情報を持つRSMAプリコーダを直接最適化するために,メタラーニングに基づく事前コーダ最適化フレームワークを提案する。コンパクトニューラルネットワークのオーバーフィッティングを利用して、ASR(Average Sum-Rate)表現を最大化することにより、実行時間を最小化しながら、他のトレーニングデータの必要性を効果的に回避する。数値的な結果から,メタラーニングに基づく解は,中規模シナリオにおける従来のプリコーダ最適化に類似したASR性能を実現し,大規模シナリオにおける準最適低複雑性プリコーダアルゴリズムよりも大幅に優れていた。
論文参考訳（メタデータ） (2023-07-17T20:31:41Z)
Optimization-driven Deep Reinforcement Learning for Robust Beamforming in IRS-assisted Wireless Communications [54.610318402371185]
Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
論文参考訳（メタデータ） (2020-05-25T01:42:55Z)

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。