論文の概要: Quantum-Inspired Hamiltonian Optimization, Stochastic Tensor Networks and Adaptive Congestion Routing for Large-Scale QKD Networks
- arxiv url: http://arxiv.org/abs/2605.27425v1
- Date: Tue, 19 May 2026 22:05:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-28 17:38:55.181907
- Title: Quantum-Inspired Hamiltonian Optimization, Stochastic Tensor Networks and Adaptive Congestion Routing for Large-Scale QKD Networks
- Title（参考訳）: 量子インスパイアされたハミルトン最適化,確率テンソルネットワーク,および大規模QKDネットワークに対する適応的混雑ルーティング
- Authors: Jose Luis Rosales,
- Abstract要約: 本稿では,量子鍵分布(QKD)通信ネットワークにおける適応的多要求ルーティングのための量子インスパイアフレームワークを提案する。
その結果生まれたフレームワークは、QKDネットワークオーケストレーション、統計物理学にヒントを得た最適化、テンソルネットワーク圧縮、将来の量子ネイティブルーティングシステムの間のスケーラブルなブリッジを確立する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum Key Distribution (QKD) networks require routing methodologies capable of jointly optimizing latency, secret key generation rate, congestion, finite capacity and operational security constraints under dynamically evolving traffic conditions. In this work we introduce a quantum-inspired optimization framework for adaptive multi-demand routing in QKD communication networks based on effective Hamiltonian modelling, Quantum Monte Carlo inspired annealing and stochastic Tensor-Network State (TNS) compression. The communication network is represented as a stochastic interacting graph whose routing configurations evolve under an effective Hamiltonian containing latency, keyrate, congestion, risk and capacity terms. The resulting optimization landscape is explored through two complementary approaches: a stochastic Metropolis annealer based on incremental local Hamiltonian updates, and a stochastic boundary-MPS tensor-network approximation that compresses the low-energy routing sector through thermal branch selection. The resulting framework establishes a scalable bridge between QKD network orchestration, statistical-physics-inspired optimization, tensor-network compression and future quantum-native routing systems.
- Abstract（参考訳）: 量子鍵分配(QKD)ネットワークは、動的に変化する交通条件下で、レイテンシ、秘密鍵発生率、混雑、有限容量、運用上のセキュリティ制約を共同で最適化できるルーティング手法を必要とする。
本稿では,実効的なハミルトンモデルに基づくQKD通信ネットワークにおける適応的多要求ルーティングのための量子インスピレーション最適化フレームワークについて紹介する。
通信ネットワークは、遅延、キーレート、混雑、リスク、キャパシティ項を含む効果的なハミルトニアンの下でルーティング構成が進化する確率的相互作用グラフとして表現される。
その結果得られた最適化の展望は、2つの補完的なアプローチによって探索される: 漸進的な局所的ハミルトン更新に基づく確率的メトロポリス・アニーラーと、熱分岐選択により低エネルギールーティングセクターを圧縮する確率的境界-MPSテンソル-ネットワーク近似である。
その結果生まれたフレームワークは、QKDネットワークオーケストレーション、統計物理学にヒントを得た最適化、テンソルネットワーク圧縮、将来の量子ネイティブルーティングシステムの間のスケーラブルなブリッジを確立する。
関連論文リスト
- Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
CL-QASは連続的な量子アーキテクチャ検索フレームワークである。
振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。
制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
論文 参考訳（メタデータ） (2026-01-10T02:36:03Z) - Optimizing Quantum Key Distribution Network Performance using Graph Neural Networks [0.0]
本稿では,グラフニューラルネットワーク(GNN)フレームワークを用いた量子鍵分布(QKD)ネットワークの最適化を提案する。
実験結果から、GNN最適化QKDネットワークは総キーレート(27.1Kbits/sから470Kbits/s)を大幅に向上することが示された。
様々なスケール(10～250ノード)のネットワーク性能を分析し,リンク予測精度の向上と中規模ネットワークにおけるキー生成率の向上を実現した。
論文 参考訳（メタデータ） (2025-11-20T15:36:57Z) - 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) - Robust Belief-State Policy Learning for Quantum Network Routing Under Decoherence and Time-Varying Conditions [5.246986428523558]
本稿では,信頼状態計画とグラフニューラルネットワーク(GNN)を組み合わせた量子ネットワークルーティングの枠組みを提案する。
提案手法は、絡み合い劣化や時間変化チャネルノイズを含む複雑な量子ネットワークのダイナミクスを低次元の特徴空間にエンコードする。
最大100ノードのシミュレーション量子ネットワークの実験では、ルーティングの忠実度と絡み合いのデリバリー速度が大幅に改善された。
論文 参考訳（メタデータ） (2025-09-10T14:50:03Z) - Adaptive Optimization of Latency and Throughput with Fidelity Constraints in Quantum Networks Using Deep Neural Networks [3.1856756516735936]
本稿では,Deep Neural Networks (DNN) を用いた半教師付き適応浄化手法を提案する。
本研究は,将来の量子ネットワークアプリケーションにおいて,適応的かつ最適化された性能を実現するためのディープラーニング技術の可能性について述べる。
論文 参考訳（メタデータ） (2025-05-18T15:23:18Z) - Scaling Limits of Quantum Repeater Networks [62.75241407271626]
量子ネットワーク(QN)は、セキュアな通信、強化されたセンシング、効率的な分散量子コンピューティングのための有望なプラットフォームである。
量子状態の脆弱な性質のため、これらのネットワークはスケーラビリティの観点から大きな課題に直面している。
本稿では,量子リピータネットワーク(QRN)のスケーリング限界について解析する。
論文 参考訳（メタデータ） (2023-05-15T14:57:01Z) - Dynamic Routing for Quantum Key Distribution Networks [2.913123182364138]
本稿では,量子リピータと少数の信頼ノードを持つ量子ネットワークにおける量子鍵分布(QKD)について考察する。
我々は,現在のネットワーク状態に基づいてルーティング決定を行う動的ルーティング戦略を開発し,様々な古典的/量子的後処理手法を評価する。
論文 参考訳（メタデータ） (2022-12-06T17:17:12Z) - Optimization of QKD Networks with Classical and Quantum Annealing [0.7827586118586438]
量子鍵分配(QKD)ハードウェアは、ティア1プロバイダネットワークで使用される。
QKDシステムのアンサンブルは、できるだけ多くの暗号化キーを交換できる必要がある。
冗長性とレイテンシ要件は、追加のバウンダリ条件を追加する。
論文 参考訳（メタデータ） (2022-06-28T16:08:12Z) - Data-Driven Random Access Optimization in Multi-Cell IoT Networks with
NOMA [78.60275748518589]
非直交多重アクセス(NOMA)は、5Gネットワーク以降で大規模なマシンタイプ通信(mMTC)を可能にする重要な技術です。
本稿では,高密度空間分散マルチセル無線IoTネットワークにおけるランダムアクセス効率向上のために,NOMAを適用した。
ユーザ期待容量の幾何学的平均を最大化するために,各IoTデバイスの伝送確率を調整したランダムチャネルアクセス管理の新たな定式化を提案する。
論文 参考訳（メタデータ） (2021-01-02T15:21:08Z) - Purification and Entanglement Routing on Quantum Networks [55.41644538483948]
不完全なチャネルフィリティと限られたメモリ記憶時間を備えた量子ネットワークは、ユーザ間の絡み合いを分散することができる。
本稿では,量子ネットワーク上の2ノード間で共有される絡み合いを最大化するための高速パスフィニングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-11-23T19:00:01Z)
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。