論文の概要: Quantum Compression for Distributed Entanglement

• arxiv url: http://arxiv.org/abs/2605.04271v1
• Date: Tue, 05 May 2026 20:06:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-07 18:41:07.5342
• Title: Quantum Compression for Distributed Entanglement
• Title（参考訳）: 分散エンタングルメントのための量子圧縮
• Authors: Jan Østergaard, Shashi Raj Pandey, Christophe Biscio, Torben Bach Pedersen, Petar Popovski,
• Abstract要約: 本研究では,資源状態と圧縮スキームのファミリーの合同設計により,固定伝送予算の下での分割の絡み合いを増大させることができることを示す。 バイパルタイトの場合、導出した上界に近づいた実用的な構成を提案する。
• 参考スコア（独自算出の注目度）: 42.24731280472663
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study compression strategies for multipartite entanglement distribution under uncertainty in the partitioning of the quantum state. When the partition is not known at the time of state preparation, we show that a joint design of the resource state and a family of compression schemes can increase the entanglement across partitions under a fixed transmission budget. We formulate this as a source coding problem and derive non-asymptotic upper and lower bounds on the achievable average entanglement subject to an average coding rate. We furthermore design an efficient method for jointly optimizing states and lossless compression maps by exploiting the inherent symmetry of weighted Dicke states. In the bipartite case, we propose practical constructions that closely approach the derived upper bound, and more generally we provide practical constructions for multipartite settings.
• Abstract（参考訳）: 量子状態のパーティショニングにおける不確実性の下で,多部交絡分布の圧縮戦略について検討する。 状態準備時に分割が不明な場合,資源状態と圧縮スキームのファミリーの合同設計により,固定送信予算下での分割の絡み合いが増大することを示す。 我々は、これを音源符号化問題として定式化し、平均符号化率の達成可能な平均絡み合いの非漸近上・下界を導出する。 さらに、重み付きディック状態の固有対称性を利用して、共同最適化状態と損失のない圧縮写像を効率的に設計する。 バイパルタイトの場合、導出した上限に近づいた実用的な構成を提案し、より一般的にはマルチパルタイト設定のための実践的な構成を提供する。

関連論文リスト

• Gaussian superpositions for bosonic encodings [0.0]
  非ガウスボゾン状態は、相互作用する光-物質系、多体プラットフォーム、量子場設定においてユビキタスである。 ガウス枝の有限幅で支えられる状態に対して、正確な有限次元符号化を導入する。 実演として、エントロピーと相対エントロピー非ガウス性の閉形式および数値的に安定な評価を得る。
  論文  参考訳（メタデータ） (2026-03-16T13:25:17Z)
• Flattened one-bit stochastic gradient descent: compressed distributed optimization with controlled variance [55.01966743652196]
  パラメータ・サーバ・フレームワークにおける圧縮勾配通信を用いた分散勾配降下(SGD)のための新しいアルゴリズムを提案する。 平坦な1ビット勾配勾配勾配法(FO-SGD)は2つの単純なアルゴリズムの考え方に依存している。
  論文  参考訳（メタデータ） (2024-05-17T21:17:27Z)
• Quantum circuit design for mixture and preparation of arbitrary pure and mixed quantum states [25.01488143369413]
  本稿では、任意の混合量子状態を作成することの課題に対処する。 2つの回路設計法が提示され、1つは純状態の混合によるものであり、もう1つは精製によるものである。
  論文  参考訳（メタデータ） (2024-03-28T06:37:00Z)
• Exact and local compression of quantum bipartite states [0.0]
  我々は、ヒルベルト空間の次元を減少させるために局所的な量子演算を適用する量子二部状態の正確な局所圧縮について研究する。 応用として、量子チャネルの正確な圧縮を考える。
  論文  参考訳（メタデータ） (2023-09-14T05:32:36Z)
• Multipartite entanglement theory with entanglement-nonincreasing operations [55.2480439325792]
  我々は、局所的な操作や古典的なコミュニケーションの標準的な枠組みを超えて、マルチパーティシステムにおける絡み合いの資源理論を拡張した。 この調整された枠組みでは、多粒子状態間の変換速度は、それぞれの量子状態の二粒子エンタングルメントエントロピーによって決定される。
  論文  参考訳（メタデータ） (2023-05-30T12:53:56Z)
• Fully and partially distributed Quantum Generalized Benders Decomposition for Unit Commitment Problems [12.20904743817675]
  単位コミットメント(UC)問題に対処するために、ハイブリッド量子古典的一般化ベンダー分解(GBD)アルゴリズムを提案する。 集中型アプローチでは、量子GBDはマスター問題(MP)を量子コンピューティングに適した二次的制約のない2進最適化形式に変換する。 分散システムでは、分散コンセンサス量子GBDは、サブプロブレムを局所的なサブプロブレムに再構成する平均コンセンサス戦略を用いる。
  論文  参考訳（メタデータ） (2022-10-13T02:26:27Z)
• A Linearly Convergent Algorithm for Decentralized Optimization: Sending Less Bits for Free! [72.31332210635524]
  分散最適化手法は、中央コーディネータを使わずに、機械学習モデルのデバイス上でのトレーニングを可能にする。 ランダム化圧縮演算子を適用し,通信ボトルネックに対処する新しいランダム化一階法を提案する。 本手法は,ベースラインに比べて通信数の増加を伴わずに問題を解くことができることを示す。
  論文  参考訳（メタデータ） (2020-11-03T13:35:53Z)
• Linear Convergent Decentralized Optimization with Compression [50.44269451541387]
  圧縮を伴う既存の分散アルゴリズムは主にDGD型アルゴリズムの圧縮に焦点を当てている。 原始双対アルゴリズムによって動機付けられた本論文は、最初のアンダーラインLinunderlineEAr収束を提案する。 underline Decentralized with compression, LEAD。
  論文  参考訳（メタデータ） (2020-07-01T04:35:00Z)
• Bidirectional compression in heterogeneous settings for distributed or federated learning with partial participation: tight convergence guarantees [9.31522898261934]
  Artemisは、コミュニケーション制約とデバイス部分的な参加を伴う分散環境での学習問題を解決するためのフレームワークである。 これは、一方向圧縮(サーバへの)のみを考慮する既存のアルゴリズムを改善したり、圧縮演算子に非常に強い仮定を用いており、デバイスの部分的な参加を考慮していないことが多い。
  論文  参考訳（メタデータ） (2020-06-25T17:37:45Z)

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。