論文の概要: Quantum conditional mutual information and channel capacity

• arxiv url: http://arxiv.org/abs/2606.25264v1
• Date: Wed, 24 Jun 2026 01:01:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 21:36:10.202044
• Title: Quantum conditional mutual information and channel capacity
• Title（参考訳）: 量子条件付き相互情報とチャネル容量
• Abstract要約: 第3のシステムによって支援された2つの間の量子相関を確立するための最適速度は、QCMIの半分で与えられることを示す。 この結果は、Csiszr と Ahlswede の古典的な鍵生成能力を量子領域に自然に拡張する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Information measures acquire operational meaning through coding theorems. The quantum conditional mutual information (QCMI) is nonnegative due to strong subadditivity, yet a direct connection with channel coding has remained elusive. In this work, we propose a quantum communication task-conditional quantum communication-that fills this gap. We show that the optimal rate for establishing quantum correlation between two parties, assisted by a third system, is given by half the QCMI. This result naturally extends the classical key generation capacity of Csiszár and Ahlswede to the quantum domain. We place our model within the family tree of quantum protocols and compute the conditional capacity for several example channels. Our results provide new insights for code design in reliable quantum information processing.
• Abstract（参考訳）: 情報測度は、符号化定理によって運用上の意味を習得する。 量子条件相互情報(QCMI)は、強い部分付加性のため非負であるが、チャネル符号との直接接続はいまだ解明されていない。 本研究では,このギャップを埋める量子通信タスク条件量子通信を提案する。 第3のシステムによって支援された2つの間の量子相関を確立するための最適速度は、QCMIの半分で与えられることを示す。 この結果は、Csiszár と Ahlswede の古典的な鍵生成能力を量子領域に自然に拡張する。 我々は、量子プロトコルのファミリーツリーにモデルを配置し、いくつかの例のチャネルの条件付きキャパシティを計算する。 この結果から,信頼性の高い量子情報処理におけるコード設計の新たな知見が得られた。

関連論文リスト

• Communication Advantages from Quantum Dense Network Coding [1.7188280334580195]
  量子高密度ネットワーク符号化(quantum dense network coding) - 送信者毎のビットの約半分を使って、非ブール関数の出力を受信機に送信するプロトコル。 この利点は、共有絡み合いと量子通信の両方を必要とし、ノイズに頑健であり、量子通信と古典通信の成功確率の差を指数関数的に増幅できることを示している。 我々は、高密度ネットワーク符号化が、計測デバイスに依存しない量子キー成長と呼ばれる、新しい、情報理論的にセキュアな量子暗号プロトコルを生み出していることを示す。
  論文  参考訳（メタデータ） (2026-07-09T06:08:43Z)
• Quantum-Channel Matrix Optimization for Holevo Bound Enhancement [87.57725685513088]
  固定された入力アンサンブルを与えられた量子チャネルを最適化するために、統一された射影勾配上昇アルゴリズムを提案する。 シミュレーションの結果、提案した量子チャネル最適化により、入力アンサンブル最適化よりも高いホレボ境界が得られることが示された。
  論文  参考訳（メタデータ） (2026-02-19T04:15:03Z)
• Transport approach to quantum state tomography [0.0]
  量子状態トモグラフィ(QST)は量子情報処理の中心的なタスクであり、量子暗号、計算、状態認証を可能にする。 従来のQSTは、単一および2量子ビットのパウリ作用素の射影測定に依存しており、環境散逸から関心の系を分離する必要がある。 オープンな構成で量子系を流れる電流と関連する輸送量を測定することで、量子状態の再構築が可能になることを実証する。
  論文  参考訳（メタデータ） (2025-01-28T09:50:23Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• An operational definition of quantum information scrambling [0.0]
  量子情報スクランブル(QIS)は、いくつかの量子系の特徴である。 本稿では,QISの定式化に基づく量子状態の量子化に基づく新しい計算効率のQIS量化器を提案する。 等尺的量子進化によって引き起こされるQISの度合いを反映した最適推定確率が、アクセス可能な最小情報に直接接続されていることを示す。
  論文  参考訳（メタデータ） (2023-12-18T19:00:01Z)
• Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
  本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。 本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
  論文  参考訳（メタデータ） (2022-09-16T02:37:32Z)
• Quantum Semantic Communications for Resource-Efficient Quantum Networking [52.3355619190963]
  本稿では、量子機械学習と量子意味表現の進歩を活かした新しい量子意味通信(QSC)フレームワークを提案する。 提案手法は,高い量子セマンティック忠実度を達成しつつ,必要な量子通信資源の約50～75%の削減を実現する。
  論文  参考訳（メタデータ） (2022-05-05T03:49:19Z)
• Probably approximately correct quantum source coding [0.0]
  Holevo と Nayak の境界は、量子状態に格納できる古典的な情報の量を推定する。 量子学習理論における2つの新しい応用と、純粋に古典的なクライアントを用いた代入量子計算について述べる。
  論文  参考訳（メタデータ） (2021-12-13T17:57:30Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)

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。