論文の概要: Machine Learning based Optimization of CV-QKD Under Practical Constraints

• arxiv url: http://arxiv.org/abs/2606.31534v1
• Date: Tue, 30 Jun 2026 11:50:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 15:44:28.784206
• Title: Machine Learning based Optimization of CV-QKD Under Practical Constraints
• Title（参考訳）: CV-QKDの実践的制約下での機械学習による最適化
• Abstract要約: 我々は,送信機パルス整形と受信機整合フィルタリングを協調的に最適化する,機械学習に基づくエンドツーエンド最適化フレームワークを開発した。 モードミスマッチの軽減と実装制約の考慮により,提案手法はシステム全体の性能を向上させる。
• 参考スコア（独自算出の注目度）: 0.46906883107634073
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Practical hardware limitations, including finite transmitter and receiver filter lengths as well as the finite resolution of digital-to-analog and analog-to-digital converters, lead to mode mismatch and degrade the performance of continuous-variable quantum key distribution systems. To address this, we develop a machine learning-based end-to-end optimization framework that jointly optimizes transmitter pulse shaping and receiver matched filtering. The approach employs reinforcement learning under realistic hardware constraints, including a limited number of filter taps, finite digital-to-analog and analog-to-digital converter resolution, analog low-pass filtering, and the optimal mean photon number. By mitigating mode mismatch and accounting for implementation constraints, the proposed method improves overall system performance. Simulation results demonstrate enhanced secure key rates compared to conventional approaches, demonstrating the effectiveness of the proposed framework.
• Abstract（参考訳）: 有限送信器と受信フィルタの長さ、およびデジタル・アナログ・アナログ・デジタル変換器の有限分解能を含む実用的なハードウェアの制限は、モードミスマッチを引き起こし、連続可変量子鍵分配システムの性能を低下させる。 そこで我々は,送信機のパルス整形と受信機の整合フィルタリングを協調的に最適化する,機械学習に基づくエンドツーエンド最適化フレームワークを開発した。 提案手法では,フィルタタップ数の制限,有限ディジタル・アナログ変換とアナログ・デジタル・コンバータ分解能,アナログローパスフィルタ,最適平均光子数など,現実的なハードウェア制約下での強化学習を採用する。 モードミスマッチの軽減と実装制約の考慮により,提案手法はシステム全体の性能を向上させる。 シミュレーションの結果,従来の手法と比較して安全な鍵レートが向上し,提案手法の有効性が示された。

関連論文リスト

• Optimization of CV-QKD Under Practical Constraints [0.5219568203653522]
  我々は、送信機と受信機のFIRフィルタタップの制限、平均光子数、DAC/ADCの有限分解能など、実用的なハードウェア制約を最適化する。 これらの現実的な条件下では,提案手法は大幅な性能向上を実現する。
  論文  参考訳（メタデータ） (2026-05-03T20:26:49Z)
• Unlocking High-Fidelity Analog Joint Source-Channel Coding on Standard Digital Transceivers [54.82164616081277]
  D2AJSCCは、標準デジタルPHY上に高忠実度アナログJ SCCをデプロイできる新しいフレームワークである。 本システムは,SNR条件にまたがる優雅な劣化を伴って,ほぼ理想のアナログJ SCC性能を実現する。 ハードウェア変更なしにレガシーインフラストラクチャ上で次世代のセマンティックトランスミッションを可能にすることで,ネットワークの持続的進化を促進する。
  論文  参考訳（メタデータ） (2026-03-10T01:42:23Z)
• Deterministic Ground State Preparation via Power-Cosine Filtering of Time Evolution Operators [0.0]
  本稿では,Power-Cosine量子信号処理フィルタを用いた地中準備のための非変分プロトコルを提案する。 複雑なブロックエンコーディング手法を推定することにより,1つのアシラリー量子ビットで制御されるコヒーレントな時間進化演算子を直接利用することができる。
  論文  参考訳（メタデータ） (2026-02-23T07:01:30Z)
• 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)
• Continuous-mode analysis for practical continuous-variable quantum key distribution [9.672673506875784]
  連続可変量子鍵分布(CV-QKD)により、2つのリモートパーティが情報理論的にセキュアな鍵を確立することができる。 デバイス非理想性をより正確にキャプチャする絡み合いに基づくスキームを構築するために、時間モードを導入する。 パルス整形方式の最適化により,検出帯域幅制限条件下での性能が著しく向上することが実証された。
  論文  参考訳（メタデータ） (2025-12-17T10:47:01Z)
• In-memory Training on Analog Devices with Limited Conductance States via Multi-tile Residual Learning [59.091567092071564]
  インメモリトレーニングは通常、デジタルベースラインに合わせて少なくとも8ビットのコンダクタンス状態を必要とする。 ReRAMのような多くの有望な中間デバイスは、製造制約のため、約4ビットの解像度しか提供しない。 本稿では,残差を補うために複数のクロスバータイルを逐次学習する語彙学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-02T19:44:25Z)
• Unlocking Symbol-Level Precoding Efficiency Through Tensor Equivariant Neural Network [84.22115118596741]
  シンボルレベルのプリコーディングにおいて,推論の複雑さの低いエンドツーエンドディープラーニング(DL)フレームワークを提案する。 提案手法は,従来の手法よりも約80倍の高速化を実現しつつ,SLPの大幅な性能向上を達成できることを示す。
  論文  参考訳（メタデータ） (2025-10-02T15:15:50Z)
• Synergistic Development of Perovskite Memristors and Algorithms for Robust Analog Computing [53.77822620185878]
  本稿では,ペロブスカイト・メムリスタの製作を同時に最適化し,ロバストなアナログDNNを開発するための相乗的手法を提案する。 BO誘導ノイズインジェクションを利用したトレーニング戦略であるBayesMultiを開発した。 我々の統合されたアプローチは、より深くより広いネットワークでのアナログコンピューティングの使用を可能にし、最大100倍の改善を実現します。
  論文  参考訳（メタデータ） (2024-12-03T19:20:08Z)
• Adaptive quantization with mixed-precision based on low-cost proxy [8.527626602939105]
  本稿では,Low-Cost Proxy-Based Adaptive Mixed-Precision Model Quantization (LCPAQ) と呼ばれる新しいモデル量子化法を提案する。 ハードウェア対応モジュールはハードウェアの制約を考慮して設計され、適応型混合精度量子化モジュールは量子化感度を評価するために開発された。 ImageNetの実験では、提案したLCPAQが既存の混合精度モデルに匹敵するあるいは優れた量子化精度を達成している。
  論文  参考訳（メタデータ） (2024-02-27T17:36:01Z)
• Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
  我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。 得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
  論文  参考訳（メタデータ） (2023-12-10T15:22:30Z)
• Parallel APSM for Fast and Adaptive Digital SIC in Full-Duplex Transceivers with Nonlinearity [19.534700035048637]
  カーネルベースの適応フィルタは、フル(FD)モードのトランシーバにおけるデジタルデジタルドメイン自己干渉キャンセル(SIC)に適用される。 彼らは、カーネルベースのアルゴリズムがリッチで非線形な関数空間内で並列計算ベースの実装を実現しつつ、良好なレベルのデジタルSICを実現することを実証した。
  論文  参考訳（メタデータ） (2022-07-12T11:17:22Z)
• Fast Distributionally Robust Learning with Variance Reduced Min-Max Optimization [85.84019017587477]
  分散的ロバストな教師付き学習は、現実世界のアプリケーションのための信頼性の高い機械学習システムを構築するための重要なパラダイムとして登場している。 Wasserstein DRSLを解くための既存のアルゴリズムは、複雑なサブプロブレムを解くか、勾配を利用するのに失敗する。 我々はmin-max最適化のレンズを通してwaserstein drslを再検討し、スケーラブルで効率的に実装可能な超勾配アルゴリズムを導出する。
  論文  参考訳（メタデータ） (2021-04-27T16:56:09Z)

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。