論文の概要: A Candidate Framework for Free-Space Quantum Key Distribution based on Geometrical-Configuration Modulation
- arxiv url: http://arxiv.org/abs/2606.25807v1
- Date: Wed, 24 Jun 2026 13:21:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 17:05:30.348313
- Title: A Candidate Framework for Free-Space Quantum Key Distribution based on Geometrical-Configuration Modulation
- Title（参考訳）: 幾何学的構成変調に基づく自由空間量子鍵分布の候補フレームワーク
- Abstract要約: 本稿では、幾何学的構成変調(GM)に基づく自由空間量子鍵分布(QKD)の候補フレームワークを提案する。
このフレームワークは、状態準備、遠野条件確率、ソフトインプット情報生成、パラメータ推定、和解、候補鍵レート式を指定する。
- 参考スコア（独自算出の注目度）: 14.161547565523676
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper proposes a candidate framework for free-space quantum key distribution (QKD) based on geometrical-configuration modulation (GM). In the minimal implementation considered here, Alice coherently splits a single photon emitted from one source into two spatial output modes with a tunable separation, and uses the source separation $R$ as the GM variable that defines the prepared single-photon spatial superposition state. Bob records the single-photon detection coordinate in the far field or Fourier plane, providing the correlated data used for soft-input information reconciliation. Based on this physical mechanism, we first establish an $R-x$ protocol model in which the source separation $R$ and the single-photon detection coordinate $x$ are random variables, and further propose an $R-Δx$ extension based on the difference variable $Δx$ between adjacent accepted detection events to mitigate slowly varying center drift in free-space links. The framework specifies state preparation, far-field conditional probabilities, soft-input information generation, parameter estimation, reconciliation, and asymptotic candidate key-rate formulas. A complete composable security analysis further requires derive an explicit computable upper bound on Eve's information from experimentally observed parameters, together with finite-key analysis and experimental validation under free-space conditions. The proposed candidate framework (GM-QKD) provides a modulation approach based on spatial degrees of freedom in which the source geometry serves as the modulation variable.
- Abstract（参考訳）: 本稿では、幾何学的構成変調(GM)に基づく自由空間量子鍵分布(QKD)の候補フレームワークを提案する。
ここで考慮された最小限の実装では、アリスは1つのソースから出力される1つの光子を、調整可能な分離で2つの空間出力モードにコヒーレントに分割し、ソース分離の$R$を、準備された単光子空間重畳状態を定義するGM変数として使用する。
ボブは1光子検出座標を遠距離場またはフーリエ面に記録し、ソフトインプット情報整合に使用される相関データを提供する。
この物理機構に基づいて、まず、ソース分離$R$と単一光子検出座標$x$がランダム変数であるような$R-x$プロトコルモデルを確立し、さらに、隣接する検出イベント間の差分$Δx$に基づいて$R-Δx$拡張を提案し、自由空間リンクにおける徐々に変化する中心ドリフトを緩和する。
このフレームワークは、状態準備、遠野条件確率、ソフトインプット情報生成、パラメータ推定、和解、漸近候補鍵レート式を規定する。
完全な構成可能なセキュリティ分析はさらに、実験的に観測されたパラメータから、イヴの情報に対する明示的な計算可能な上限と、自由空間条件下での実験的な検証を導出する必要がある。
提案する候補フレームワーク(GM-QKD)は,空間的自由度に基づく変調手法を提供する。
関連論文リスト
- Scaling-Score Conformal Prediction for Multi-Target Regression [0.42970700836450476]
マルチターゲット回帰は、複数の関連する出力を同時に予測するモデルを必要とする。
モデルに依存しないスケーリングスコアコンフォメーション法(コンポーネント単位の絶対残差のみを要求する)を提案する。
論文 参考訳（メタデータ） (2026-09-15T12:23:57Z) - An Entanglement-Assisted Stabilizer Framework for Distributed Sensing of Local Phases [0.15293427903448018]
分散量子センシングは、局所的なパラメータを取得するために空間的に分離されたプローブを必要とする。
我々は、絡み合い支援型量子誤り訂正符号の拡張構造に基づいて、絡み合い支援型安定化器フレームワークを開発する。
論文 参考訳（メタデータ） (2026-09-02T04:38:00Z) - Scalable Lindblad Noise Learning via Stochastic Tensor-Network Simulation [48.887627688666974]
大規模オープン量子システムにおける学習散逸率は、短期量子技術の大きな障害である。
本稿では,シミュレーション手法であるJump Method(TJM)を組み合わせたLindblad散逸率のスケーラブルなノイズ学習フレームワークを提案する。
我々は,Isingモデルにおける2つのノイズモデルに対するアプローチを実証し,各サイトについて,N_mathrmsite=16$まで独立散逸率を学習した。
スケーラブルな数値と厳密な理論的保証の組み合わせは、TJMベースのノイズ学習を大きな量子デバイスにおける散逸を特徴づける実用的な基礎として位置づけている。
論文 参考訳（メタデータ） (2026-08-25T15:07:11Z) - Inter-LPCM: Learning-based Inter-Frame Predictive Coding for LiDAR Point Cloud Compression [29.553034459162365]
LiDARセンサーは、角分解能が固定された点雲を取得する。
結果のデータは、球面座標系において体系的にパラメータ化され、効率的に圧縮される。
従来の球面座標に基づく点雲圧縮法は、強い速度歪み(RD)性能を示す。
論文 参考訳（メタデータ） (2026-05-18T07:58:57Z) - Federated Language Models Under Bandwidth Budgets: Distillation Rates and Conformal Coverage [12.805268849262243]
集中できない帯域制限ノードに散在するデータに基づいて言語モデルを訓練することは、臨床ネットワーク、企業知識基盤、科学コンソーシアムで発生する設定である。
ノード間でデータを分散し続けなければならない状況について検討し、明示的な帯域幅予算の下では、何の統計的保証が得られるのかを問う。
論文 参考訳（メタデータ） (2026-05-11T05:01:43Z) - Kernel Integrated $R^2$: A Measure of Dependence [4.849848789228066]
カーネル統合$R2$は、統計依存の新しい尺度である。
提案手法は、特性カーネルを備えた一般空間における値を取る応答に対するスカラー応答から、R2$の統合を延長する。
K$-nearest 近傍のグラフベース手法と条件付き平均埋め込みに基づく RKHS 方式の2つの推定手法が提案されている。
論文 参考訳（メタデータ） (2026-02-26T13:29:12Z) - Analysis of Hessian Scaling for Local and Global Costs in Variational Quantum Algorithm [0.42970700836450487]
変分量子アルゴリズムにおけるヘッセンのエントリーワイズ解の定量化を行う。
ショットノイズに対してヘッセン成分を解くのに必要なサンプルの複雑さを規定する2つの異なるスケーリング機構を示す。
論文 参考訳（メタデータ） (2026-01-31T15:49:23Z) - Phase-space entropy at acquisition reflects downstream learnability [54.4100065023873]
楽器分解位相空間に基づく取得レベルスカラー$S_mathcal B$を提案する。
本稿では, (S_mathcal B) が周期サンプリングの位相空間コヒーレンスを正確に同定できることを理論的に示す。
$|S_mathcal B|$は一貫してサンプリングジオメトリをランク付けし、トレーニングなしで下流での再構築/認識の困難を予測します。
論文 参考訳（メタデータ） (2025-12-22T10:03:51Z) - DP-CSGP: Differentially Private Stochastic Gradient Push with Compressed Communication [71.60998478544028]
本稿では,分散学習グラフのための圧縮通信(termedfrac-CSGP)を用いた差分的プライベート・グラディエント・プッシュを提案する。
一般の非数学的かつ滑らかな目的関数に対して,本アルゴリズムは高精度かつ効率的な通信を実現するために設計されていることを示す。
論文 参考訳（メタデータ） (2025-12-15T17:37:02Z) - Storage capacity of perceptron with variable selection [10.64866985260943]
機械学習における中心的な課題は、高次元データにおける真の構造と確率相関を区別することである。
単純なパーセプトロンは$N$変数から$M = N$変数を最適に選択することで、$P = N$ランダムパターンを完全に分類できることを示す。
これは、データの真の構造と急激な正規性とを区別するための定量的な基準を提供するだけでなく、連想記憶モデルの記憶能力ももたらします。
論文 参考訳（メタデータ） (2025-12-01T16:44:57Z) - Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。
第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。
第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
論文 参考訳（メタデータ） (2025-02-11T19:24:09Z) - Learning with Norm Constrained, Over-parameterized, Two-layer Neural Networks [54.177130905659155]
近年の研究では、再生カーネルヒルベルト空間(RKHS)がニューラルネットワークによる関数のモデル化に適した空間ではないことが示されている。
本稿では,有界ノルムを持つオーバーパラメータ化された2層ニューラルネットワークに適した関数空間について検討する。
論文 参考訳（メタデータ） (2024-04-29T15:04:07Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳（メタデータ） (2021-11-15T09:08:27Z)
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。