Fugu-MT 論文翻訳(概要): SCOPE: A Syndrome-Driven Control Plane for QEC-Enabled Quantum Networks

論文の概要: SCOPE: A Syndrome-Driven Control Plane for QEC-Enabled Quantum Networks

arxiv url: http://arxiv.org/abs/2606.08873v1
Date: Sun, 07 Jun 2026 23:00:09 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-09 14:42:06.498566
Title: SCOPE: A Syndrome-Driven Control Plane for QEC-Enabled Quantum Networks
Title（参考訳）: SCOPE:QEC対応量子ネットワークのためのシンドローム駆動制御プレーン
Authors: Xiaojie Fan, Zian Wang, Ashutosh Tiwari, Himanshu Gupta,
Abstract要約: 純受動テレメトリを用いた共同ルーティングと符号化最適化を実現するネットワーク層アーキテクチャSCOPEを提案する。 SCOPEは、標準EMベースラインに対する推定誤差を60%以上削減する。大規模ネットワークでは、この精度はトポロジーを意識したベースラインに対して論理誤差率を30～35%(最大65%)削減する。
参考スコア（独自算出の注目度）: 7.746657732894142
License: http://creativecommons.org/licenses/by/4.0/
Abstract: As quantum networks evolve from experimental testbeds to fault-tolerant systems, the primary performance metric shifts from physical link fidelity to end-to-end logical error rate. However, current control planes remain ill-equipped for this transition: routing decisions are typically decoupled from Quantum Error Correction (QEC) strategies, relying on topology or scalar fidelity metrics that fail to predict how specific physical noise structures interact with logical codes. Optimizing this coupled route-and-code performance requires precise, real-time visibility into network error biases, yet traditional active tomography is operationally prohibitive due to throughput collapse and service interruption. We present SCOPE (Syndrome-based COntrol PlanE), a network-layer architecture that enables joint routing and coding optimization using purely passive telemetry. Instead of injecting probes, SCOPE harvests error syndromes -- the parity-check outcomes naturally generated by QEC decoders during user service. By aggregating these signals, SCOPE's inference engine reconstructs the network's time-varying error map, capturing complex, context-dependent noise correlations. This visibility drives a decision engine that proactively pushes optimal route-and-code configurations to source nodes. NetSquid and IBM-calibrated simulations show that SCOPE reduces estimation error by more than 60% relative to a standard EM baseline. In large-scale networks, this precision reduces logical error rates by 30-35% (up to 65%) against topology-aware baselines.
Abstract（参考訳）: 量子ネットワークが実験的なテストベッドからフォールトトレラントシステムへと進化するにつれて、主要な性能測定基準は物理リンクの忠実度からエンドツーエンドの論理誤差率にシフトする。ルーティング決定は通常、量子エラー補正(Quantum Error Correction, QEC)戦略から切り離され、特定の物理ノイズ構造が論理コードとどのように相互作用するかを予測するのに失敗するトポロジやスカラー忠実度メトリクスに依存する。この結合されたルート・アンド・コードのパフォーマンスを最適化するには、ネットワークエラーのバイアスを正確にリアルタイムに可視化する必要があるが、従来のアクティブトモグラフィーはスループットの低下とサービスの中断のために運用が禁止されている。純受動テレメトリを用いた共同ルーティングと符号化最適化を実現するネットワーク層アーキテクチャであるSCOPE(Syndrome-based Control PlanE)を提案する。 SCOPEはプローブを注入する代わりに、エラーシンドローム(QECデコーダがユーザサービス中に自然に生成するパリティチェック結果)を抽出する。これらの信号を集約することにより、SCOPEの推論エンジンはネットワークの時間変化エラーマップを再構成し、複雑なコンテキスト依存のノイズ相関をキャプチャする。この可視性は、最適なルート・アンド・コード構成をソースノードに積極的にプッシュする決定エンジンを駆動する。 NetSquidとIBMの校正シミュレーションは、SCOPEが標準EMベースラインと比較して60%以上の推定誤差を削減していることを示している。大規模ネットワークでは、この精度はトポロジーを意識したベースラインに対して論理誤差率を30～35%(最大65%)削減する。

関連論文リスト

Realistic Simulation of Quantum Repeater with Encoding and Classical Error Correction [2.973617775445259]
我々はSeQUeNCeの符号化と古典的誤り訂正プロトコルを用いて量子リピータを実装し,シミュレーションする。このプロトコルは論理ベル対を分散し、エンコードエンタングルメントスワップを行い、エンタングルメントスワップ計測結果の復号に古典的誤り補正を用いる。
論文参考訳（メタデータ） (2026-05-07T20:38:19Z)
Real-time Surface-Code Error Correction Using an FPGA-based Neural-Network Decoder [11.81591184245689]
本稿ではFPGAベースのニューラルネットデコーダを内蔵したハードウェア統合制御アーキテクチャについて報告する。超伝導量子プロセッサ上で, 実時間表面符号(距離-3) QEC を実験的に実証した。実時間復号化とフィードバック補正により,オフライン復号化に匹敵する論理性能が得られることを示す。
論文参考訳（メタデータ） (2026-05-06T13:24:10Z)
Neural Minimum Weight Perfect Matching for Quantum Error Codes [7.525883733645578]
NMWPM(Neural Minimum Weight Perfect Matching)と呼ばれるデータ駆動デコーダを提案する。その結果,標準基準値よりも論理誤差率 (LER) が有意に低下した。
論文参考訳（メタデータ） (2026-01-01T07:25:51Z)
HiFiNet: Hierarchical Fault Identification in Wireless Sensor Networks via Edge-Based Classification and Graph Aggregation [11.108171977551619]
HiFiNetは、無線ネットワークのための階層的な障害識別フレームワークである。局所時間パターンとネットワーク全体の空間依存性の両方をキャプチャすることで、より正確な予測を行う。既存の手法の精度、F1スコア、精度を著しく上回っている。
論文参考訳（メタデータ） (2025-11-06T16:15:19Z)
Hierarchical Qubit-Merging Transformer for Quantum Error Correction [8.328728010370634]
量子誤り訂正方式は論理情報を保護するために物理的誤りを効果的に解決しなければならない。本稿では,新規かつ汎用的な復号化フレームワークであるHQMTを提案する。 HQMTは、専用量子ビットマージ層を統合することで、表面符号の論理的誤り率を著しく低くする。
論文参考訳（メタデータ） (2025-10-13T16:31:46Z)
Integrated Sensing, Communication, and Computation for Over-the-Air Federated Edge Learning [52.904670248426626]
本稿では,統合されたセンサ,通信,計算機能を備えた空対空フェデレーションエッジ・ラーニング(Air-FEEL)システムについて検討する。バッチサイズ制御とネットワークリソース割り当てを交互に最適化することにより、低複雑さI SCCアルゴリズムを導出する。
論文参考訳（メタデータ） (2025-08-21T02:46:46Z)
You Only Train Once: A Unified Framework for Both Full-Reference and No-Reference Image Quality Assessment [45.62136459502005]
本稿では,完全な参照 (FR) と非参照 (NR) IQA を行うネットワークを提案する。まず、入力画像から多レベル特徴を抽出するためにエンコーダを用いる。 FRおよびNR入力のユニバーサルアダプタとして階層的注意(HA)モジュールを提案する。エンコーダの浅い層と深い層との間の特徴相関を調べるために, セマンティック・ディストーション・アウェア (SDA) モジュールを提案する。
論文参考訳（メタデータ） (2023-10-14T11:03:04Z)
Deep Quantum Error Correction [73.54643419792453]
量子誤り訂正符号(QECC)は、量子コンピューティングのポテンシャルを実現するための鍵となる要素である。本研究では,新しいエンペンド・ツー・エンドの量子誤りデコーダを効率的に訓練する。提案手法は,最先端の精度を実現することにより,QECCのニューラルデコーダのパワーを実証する。
論文参考訳（メタデータ） (2023-01-27T08:16:26Z)
SignalNet: A Low Resolution Sinusoid Decomposition and Estimation Network [79.04274563889548]
本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
論文参考訳（メタデータ） (2021-06-10T04:21:20Z)
AQD: Towards Accurate Fully-Quantized Object Detection [94.06347866374927]
本稿では,浮動小数点演算を除去するために,AQDと呼ばれる高精度な量子化オブジェクト検出ソリューションを提案する。我々のAQDは、非常に低ビットのスキームの下での完全精度と比較して、同等またはそれ以上の性能を実現しています。
論文参考訳（メタデータ） (2020-07-14T09:07:29Z)

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。