論文の概要: When Routes Run Out: Adversarial Co-Learning and Explainable Robustness in Quantum Repeater Networks

• arxiv url: http://arxiv.org/abs/2607.09378v1
• Date: Fri, 10 Jul 2026 13:01:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-13 16:48:13.449993
• Title: When Routes Run Out: Adversarial Co-Learning and Explainable Robustness in Quantum Repeater Networks
• Title（参考訳）: 量子リピータネットワークにおける逆学習と説明可能なロバスト性
• Abstract要約: 本研究では, 絡み合いに基づく量子ネットワークルーティングにおける逆帯域幅問題について検討する。 学習された保持は、完全行列のミニマックス参照を密接に追跡する。 次に、決定木説明モデルをグラフ、アタック、ルートレベルのトポロジコーパスターゲットに適合させ、その忠実さを報告します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study an adversarial bandit problem for entanglement-based quantum-network routing over a modest graph corpus. Alice selects an end-to-end repeater route for an Ekert-91 protocol (E91) representing her move, while Eve selects an attack surface, either edge intercept--resend or repeater memory degradation. Payoffs are drawn from cached SeQUeNCe-simulated E91 transcripts, and Alice accepts a turn when the finite-sample statistic violates the Clauser-Horne-Shimony-Holt (CHSH) bound. Performing adversarial co-learning across 50 structured topologies, we find that learned retention tracks a full-matrix minimax reference closely (Pearson $r=0.99$): under a one-surface Eve action model, bottleneck families have zero retention, while non-bottleneck families follow a $1-1/N$ coverage principle. We then fit decision-tree explanation models to graph-, attack-, and route-level topology-corpus targets and report their faithfulness. Finally, we construct prompt records for local language models to summarize the tree evidence, resulting in an open-source explanation workflow for quantum-repeater network games.
• Abstract（参考訳）: 本研究では, 絡み合いに基づく量子ネットワークルーティングにおける逆帯域幅問題について検討する。 Aliceは移動を表すEkert-91プロトコル(E91)のエンド・ツー・エンド・リピータ経路を選択し、Eveはエッジ・インターセプト・リサードまたはリピータ・メモリ劣化の攻撃面を選択する。 キャッシュされたSeQUeNCeシミュレートされたE91文字から支払いが引き起こされ、Aliceは有限サンプル統計がCluser-Horne-Shimony-Holt(CHSH)境界に反した場合にターンを受け取る。 50の構造化トポロジにまたがる敵対的コラーニングを実行すると、学習されたリテンションは完全行列のミニマックス参照(Pearson $r=0.99$): 一面のEveアクションモデルの下でボトルネックファミリーはゼロリテンションを持ち、非ブートネックファミリーは1-1/N$カバレッジ原則に従う。 次に、決定木説明モデルをグラフ、アタック、ルートレベルのトポロジコーパスターゲットに適合させ、その忠実さを報告します。 最後に,木エビデンスを要約するローカル言語モデルのためのプロンプトレコードを構築し,量子リピータネットワークゲームのためのオープンソースの説明ワークフローを構築した。

関連論文リスト

• Beyond Homophily: Towards Generalized Graph Reconstruction Attack and Defense [80.28330585803133]
  グラフニューラルネットワーク(GNN)は、計算データに広くデプロイされているが、トレーニンググラフの隣接性に関する機密情報やプロプライエタリ情報を漏洩することができる。 本研究は、訓練されたGNNからトレーニング隣接性を再構築するモデル逆転の一形態であるグラフ再構成攻撃(GRA)について研究する。 本稿では, MC-GRA(+)を提案する。これは, GNNにより誘導される表現が対象モデルのそれと一致した代理隣接を最適化することにより, 隣接性を再構築する。 防衛面では, MC-GPB (+) を提案する。
  論文  参考訳（メタデータ） (2026-06-06T09:29:27Z)
• Edge-Local and Qubit-Efficient Quantum Graph Learning for the NISQ Era [0.0]
  ノイズの多い中間規模量子状態における教師なし学習のために明示的に設計された完全量子グラフ畳み込みアーキテクチャを導入する。 我々のモデルは、ハードウェアネイティブなシングルビットゲートと2ビットゲートのみを使用して、グラフエッジに沿ったペアワイズインタラクションにメッセージパッシングを分解する。
  論文  参考訳（メタデータ） (2026-02-17T21:17:42Z)
• Interpreting learned search: finding a transition model and value function in an RNN that plays Sokoban [3.274397973865673]
  我々はパズルゲーム「ソコバン」をプレイするために訓練された畳み込みリカレントニューラルネットワーク(RNN)を部分的にリバースエンジニアリングした。 以前の研究によると、このネットワークはテストタイムの計算量を増やして、より多くのレベルを解決している。
  論文  参考訳（メタデータ） (2025-06-11T19:36:17Z)
• Provable Robustness of (Graph) Neural Networks Against Data Poisoning and Backdoor Attacks [50.87615167799367]
  グラフニューラルネットワーク(GNN)は、特定のグラフのノード特徴をターゲットとして、バックドアを含む有毒な攻撃に対して認証する。 コンボリューションベースのGNNとPageRankベースのGNNの最悪の動作におけるグラフ構造の役割とその接続性に関する基本的な知見を提供する。
  論文  参考訳（メタデータ） (2024-07-15T16:12:51Z)
• Learning a Consensus Sub-Network with Polarization Regularization and One Pass Training [2.895034191799291]
  プルーニングスキームは、静的プルーニングのための反復的なトレーニングと微調整、動的プルーニンググラフの繰り返し計算によって、余分なオーバーヘッドを生み出す。 本稿では,より軽量なサブネットワークを学習するためのパラメータ解析手法を提案する。 CIFAR-10, CIFAR-100, Tiny Imagenet で得られた結果から, ディープネットワークにおける接続の50%を, 1%の分類精度で除去できることが示唆された。
  論文  参考訳（メタデータ） (2023-02-17T09:37:17Z)
• Backdoor Defense via Suppressing Model Shortcuts [91.30995749139012]
  本稿では,モデル構造の角度からバックドア機構を探索する。 攻撃成功率 (ASR) は, キースキップ接続の出力を減少させると著しく低下することを示した。
  論文  参考訳（メタデータ） (2022-11-02T15:39:19Z)
• Learning on Arbitrary Graph Topologies via Predictive Coding [38.761663028090204]
  任意のグラフトポロジで推論と学習を行うために,予測符号化がどのように使用できるかを示す。 我々は、PCグラフと呼ばれるこの定式化が、同じネットワークで異なるタスクを柔軟に実行するためにどのように使用できるかを実験的に示す。
  論文  参考訳（メタデータ） (2022-01-31T12:43:22Z)
• Deep Structured Instance Graph for Distilling Object Detectors [82.16270736573176]
  本稿では,検出システム内の情報を利用して,検出知識の蒸留を容易にするための簡単な知識構造を提案する。 我々は,1段と2段の両方の検出器上で,多様な学生-教師ペアによるCOCOオブジェクト検出の課題に対して,新しい最先端の成果を達成した。
  論文  参考訳（メタデータ） (2021-09-27T08:26:00Z)

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。