論文の概要: Topology-Dependent Enhancement of Entanglement Extraction in Repeater Graph States

• arxiv url: http://arxiv.org/abs/2609.03496v1
• Date: Thu, 03 Sep 2026 08:00:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-04 18:28:38.976091
• Title: Topology-Dependent Enhancement of Entanglement Extraction in Repeater Graph States
• Title（参考訳）: リピータグラフ状態における絡み合い抽出の位相依存性の促進
• Authors: Poramat Chianvichai, Poramet Pathumsoot, Naphan Benchasattabuse, Michal Hajdušek, Rodney Van Meter, Sujin Suwanna,
• Abstract要約: 長距離量子通信を確立するには量子リピータが不可欠である。 従来のリピータアーキテクチャは物理量子メモリに依存しており、デコヒーレンスを導入している。 リレーショナルグラフ状態(RGS)アーキテクチャは、有望なメモリレス代替手段を提供する。
• 参考スコア（独自算出の注目度）: 0.1505138022798109
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum repeaters are essential for establishing long-distance quantum communication to overcome the exponential decay of entanglement due to photon loss. Traditional repeater architectures rely on physical quantum memory, which introduces decoherence and poses significant practical implementation challenges. The repeater graph state (RGS) architecture offers a promising memory-less alternative that is inherently resilient to photon losses. A key challenge in implementing RGS lies in the requirement for highly efficient graph state generators and complex qubit measurement. In this work, we aim to investigate the strategies for extracting the maximum number of Bell pairs from the RGS structure via its qubit connection to resolve the well-known bottleneck problem of RGS in which only a single Bell pair can be extracted from a complete bipartite graph state. From simulations, we observe that the maximum number of extracted Bell pairs depends on its connection topology, where the Bell-pair yield tends to be maximal at low to moderate edge densities. As the number of network hops increases, the RGS must be equipped with higher inner-qubit connectivity to maintain a sufficient yield of extractable Bell pairs. Thus, the expected resource requirement shifts toward the use of RGSs with higher inner-qubit connectivity.
• Abstract（参考訳）: 量子リピータは、光子損失による絡み合いの指数的な崩壊を克服するために、長距離量子通信を確立するために不可欠である。 従来のリピータアーキテクチャは物理量子メモリに依存しており、デコヒーレンスを導入し、重要な実装上の課題を提起している。 リレーバーグラフ状態(RGS)アーキテクチャは、本質的に光子損失に対して耐性のある、有望なメモリレス代替手段を提供する。 RGSを実装する上で重要な課題は、高効率なグラフ状態生成器と複雑な量子ビット測定の必要性にある。 本研究では, RGS 構造から qubit 接続によりベル対の最大数を抽出する手法について検討し, 完全二部グラフ状態からベル対のみを抽出できる RGS のよく知られたボトルネック問題を解決することを目的とする。 シミュレーションの結果,ベル対の最大数は接続トポロジーに依存し,ベル対収率は低から中程度のエッジ密度で最大となる傾向にあることがわかった。 ネットワークホップの数が増加するにつれて、RGSは、抽出可能なベルペアの十分な収量を維持するために、より高い内部量子ビット接続を備えなければならない。 したがって、期待されるリソース要件は、高い内部量子接続性を持つ RGS の使用にシフトする。

関連論文リスト

• Efficient Recommendations via Graph Coarsening and Label Propagation [50.71909189967895]
  グラフベースのレコメンデーションは、現実世界の産業アプリケーションで広く採用されている。 有望なアプローチの1つは、適応的なグラフ縮小手法であるグラフ粗化である。 グラフの粗化と多段階ラベルの伝搬を組み合わせたフレキシブルな2段階拡散フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-24T13:25:26Z)
• Beyond the Aggregation Dilemma: Prior-Retaining Decoupled Learning for Multimodal Graphs [69.56407708794845]
  MultimodalAttributed Graph Learning (MAGL)はグラフアグリゲーションを通じてノード属性と構造トポロジーを統合する。 事前訓練されたエンコーダがLarge Foundation Models (LFM) へと進化するにつれて、MAGLのランドスケープは根本的に変化していく。 高信頼のLFM先行の下では、強制集約は、識別シグナルを圧倒するトポロジカル固有のノイズを導入する。 本稿では、分離されたデュアルパスパラダイムであるSUPRA(Shared-Unique Prior-Retaining Architecture)を提案する。 SUPRAは、トポロジ・アグノシクスによるモーダリティ特異的な特徴を処理し、軽量共有GNNを介して構造相乗効果を捉え、補助的な深層監視対策の勾配飢餓を発生させる。
  論文  参考訳（メタデータ） (2026-05-23T17:42:25Z)
• HELP: HyperNode Expansion and Logical Path-Guided Evidence Localization for Accurate and Efficient GraphRAG [53.30561659838455]
  大きな言語モデル(LLM)は、しばしば固有の知識境界と幻覚に苦しむ。 Retrieval-Augmented Generation (RAG) は、マルチホップ推論に不可欠な構造的相互依存性をしばしば見落としている。 ヘルプは、複数の単純でマルチホップなQAベンチマークで競合性能を達成し、グラフベースのRAGベースラインよりも28.8$times$のスピードアップを実現している。
  論文  参考訳（メタデータ） (2026-02-24T14:05:29Z)
• Plain Transformers are Surprisingly Powerful Link Predictors [57.01966734467712]
  リンク予測はグラフ機械学習における中核的な課題であり、リッチで複雑なトポロジ的依存関係をキャプチャするモデルを必要とする。 グラフニューラルネットワーク(GNN)が標準的なソリューションであるのに対して、最先端のパイプラインは明示的な構造やメモリ集約的なノードの埋め込みに依存していることが多い。 本報告では,手作りのプリミティブに置き換えるエンコーダのみのプレーントランスであるPENCILについて,サンプリングしたローカルサブグラフに注目する。
  論文  参考訳（メタデータ） (2026-02-02T02:45:52Z)
• ScaleGNN: Towards Scalable Graph Neural Networks via Adaptive High-order Neighboring Feature Fusion [73.85920403511706]
  スケーラブルで効果的なグラフ学習のためのマルチホップノード機能を適応的に融合する新しいフレームワークであるScaleGNNを提案する。 予測精度と計算効率の両面で,ScaleGNNは最先端のGNNよりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2025-04-22T14:05:11Z)
• Generalized Quantum Repeater Graph States [1.7635061227370266]
  単一ビットを分散する際の損失耐性を確保するための新しい手法を提案する。 私たちの新しいスキームは、以前の仕事を非常に柔軟で大幅に上回っていることを実証します。 これらの発見は、損失耐性量子ネットワークのスケーラビリティと信頼性に関する新たな洞察を提供する。
  論文  参考訳（メタデータ） (2024-07-01T16:21:37Z)
• An Improved Design for All-Photonic Quantum Repeaters [0.8409980020848168]
  全フォトニック量子リピータは、物質ベースの量子メモリの代わりに、リピータグラフ状態(RGS)と呼ばれるマルチキュービットフォトニックグラフ状態を使用する。 我々は、より少ない量子ビットを用いた全フォトニック量子リピータにおいて、より高い絡み合い率を実現する新しいRGS設計を提案する。 また、損失のみの誤りに対して、リンクキュービット上で論理的BSMを実行するための新しい適応スキームを提案する。
  論文  参考訳（メタデータ） (2024-05-20T03:57:55Z)
• Architecture and protocols for all-photonic quantum repeaters [0.49157446832511503]
  全フォトニック量子リピータ方式は、光子損失と運用上のエラーに対するレジリエンスを約束する。 本稿では,新しいエミッタ・フォトニック・キュービット・ビルディングブロックと RGS プロトコルを提案する。 提案するビルディングブロックは,エンドノードに必要な量子メモリの総数を大幅に削減する。
  論文  参考訳（メタデータ） (2023-06-06T15:08:50Z)
• Quantum communication complexity beyond Bell nonlocality [87.70068711362255]
  効率的な分散コンピューティングは、リソース要求タスクを解決するためのスケーラブルな戦略を提供する。 量子リソースはこのタスクに適しており、古典的手法よりも優れた明確な戦略を提供する。 我々は,ベルのような不等式に,新たなコミュニケーション複雑性タスクのクラスを関連付けることができることを証明した。
  論文  参考訳（メタデータ） (2021-06-11T18:00:09Z)

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。