論文の概要: Photon Demultiplexing Using Spatial Routing

• arxiv url: http://arxiv.org/abs/2610.19933v1
• Date: Wed, 14 Oct 2026 10:18:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.099576
• Title: Photon Demultiplexing Using Spatial Routing
• Title（参考訳）: 空間ルーティングを用いた光子多重化
• Abstract要約: 自然パラメトリックダウン変換から遠距離場非線型場の空間分割は、多人数量子通信において有望なアプローチである。 分割により, 事故発生時の予算をN$のチャンネル数で線形に改善し, ユーザ数に応じて累積キーレートを拡大できることが示される。 これらの結果は、波長分割ネットワークで使用されるチャネルの標準に類似した絡み合った光子の空間分割多重化の設計戦略を提供する。
• 参考スコア（独自算出の注目度）: 1.1240669509034298
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Spatial sectioning of the far-field noncollinear field from spontaneous parametric down-conversion (SPDC) is a promising approach for multiparty quantum communication. Although demonstrations with six pairs of users have been reported, the fundamental limits remain unknown. These include the maximum number of channels, the required degree of channel optimization, and the dependence on input parameters. In this paper, we provide a practical framework that answers these questions by connecting input parameters and invoking a design theorem. For a representative configuration, we realize 12 user-pair channels with routing consistency exceeding $0.9999$ at a $12\%$ reduction in photon flux. We further show that sectioning improves the accidental-coincidence budget linearly with the number of channels $N$, allowing the aggregate key rate to scale with the user count. These results provide a design strategy for spatial-division multiplexing of entangled photons analogous to the channel-spacing standards used in wavelength-division networks.
• Abstract（参考訳）: 自然パラメトリックダウンコンバージョン(SPDC)による遠距離場非線型場の空間分割は、多人数量子通信において有望なアプローチである。 6組のユーザによるデモが報告されているが、基本的な制限は未だ不明である。 これには、最大チャネル数、必要なチャネル最適化の度合い、入力パラメータへの依存が含まれる。 本稿では、入力パラメータを接続し、設計定理を呼び出すことで、これらの質問に答える実践的なフレームワークを提供する。 代表的な構成では、ルーティング一貫性が0.9999ドルを超える12のユーザペアチャネルを、光子フラックスの12.5%の削減で実現している。 さらに,事故発生時の予算をチャネル数$N$と直線的に改善し,ユーザ数に応じて集約キーレートがスケール可能であることを示す。 これらの結果は、波長分割ネットワークで使用されるチャネルの標準に類似した絡み合った光子の空間分割多重化の設計戦略を提供する。

関連論文リスト

• Exact Resource Laws for Passive Wavelength Routing in Entanglement Networks [0.0]
  絡み合いに基づくネットワークは、スペクトル相関光子対を受動的にルーティングすることで、量子通信のためのスケーラブルなフレームワークを提供する。 ネットワークの接続グラフを通してこの問題に対処し、そこでは波長割当が資源最適化問題となる。 連続波励起ブロードバンド源に対するBBM92量子鍵分布(QKD)の秘密鍵レート解析を定式化する。
  論文  参考訳（メタデータ） (2026-08-30T17:12:37Z)
• Space-division multiplexed quantum key distribution exploiting multi-plane light conversion for few-mode fibers [1.6804758225414576]
  本稿では,多平面光変換(MPLC)を用いた光子多重化手法を提案する。 空間多重化BBM92QKD方式を実験的に実証した。 我々は、チャネル1に対して1.9 pm 0.4%、チャネル2に対して6.8 pm 0.8%の量子ビット誤り率を得る。
  論文  参考訳（メタデータ） (2026-07-23T12:27:46Z)
• An Empirical Audit of Input Encoders for Multi-Channel Signal Transformers [0.0]
  マルチチャネルスカラー信号を消費するトランスフォーマーは、時間ステップ毎に$C$同時値を1つの$d_textmodel$-dimensionalベクトルに埋め込む必要がある。 我々は、8つの入力エンコーダ(共有スカラーベースライン、チャネルごとの線形射影、明示正規化器、非線形論理的、ブロック分割結合、チャネル非依存、チャネル・アズ・トークン)を監査する。 標準のチャネルごとの線形射影は、小さな、統計的に現実的だが実質的には控えめな差まで、あらゆる選択肢と一致している。
  論文  参考訳（メタデータ） (2026-06-03T11:35:09Z)
• OScaR: The Occam's Razor for Extreme KV Cache Quantization in LLMs and Beyond [50.440302567029654]
  マルチモーダルインテリジェンスにより、Key-Valueキャッシュは効率的なデプロイメントのための主要なメモリボトルネックとなった。 本研究では、チャネルごとの量子化パラダイムの本質的な限界を再考する。 X-LLMのための高精度かつ軽量なKVキャッシュ圧縮フレームワークOScaRを提案する。
  論文  参考訳（メタデータ） (2026-05-19T10:53:03Z)
• Variational processing of multimode squeezed light [0.0]
  集積型マルチモード量子光学は、スケーラブルな連続可変量子技術のための有望なプラットフォームである。 スクイーズリソースが分散する「関連スーパーモデム」のオンチップ計測、ルーティング、処理は、モード数$N$と2次的にスケールする。 本稿では,最も待ち行列の大きいスーパーモデムを逐次学習・抽出する,自己構成型フォトニックネットワークに依存する変分スキームを提案する。
  論文  参考訳（メタデータ） (2025-09-20T17:37:42Z)
• Deep Generative Models for Downlink Channel Estimation in FDD Massive MIMO Systems [13.267048706241157]
  この課題に対処するために, 深部生成モデル(DGM)に基づく手法を提案する。 アップリンクチャネルとダウンリンクチャネルの部分的相互性を実行し、まず、周波数非依存のチャネルパラメータを推定する。 次に、各伝搬路の位相である周波数固有チャネルパラメータをダウンリンクトレーニングにより推定する。
  論文  参考訳（メタデータ） (2022-03-09T18:32:10Z)
• Model-Driven Deep Learning Based Channel Estimation and Feedback for Millimeter-Wave Massive Hybrid MIMO Systems [61.78590389147475]
  本稿では,ミリ波(mmWave)システムのモデル駆動深層学習(MDDL)に基づくチャネル推定とフィードバック方式を提案する。 無線周波数(RF)鎖の限られた数から高次元チャネルを推定するためのアップリンクパイロットオーバーヘッドを低減するために,位相シフトネットワークとチャネル推定器を自動エンコーダとして共同で訓練することを提案する。 MDDLに基づくチャネル推定とフィードバック方式は,最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-04-22T13:34:53Z)
• Adaptive Subcarrier, Parameter, and Power Allocation for Partitioned Edge Learning Over Broadband Channels [69.18343801164741]
  パーティショニングエッジ学習(PARTEL)は、無線ネットワークにおいてよく知られた分散学習手法であるパラメータサーバトレーニングを実装している。 本稿では、いくつかの補助変数を導入してParticleELを用いてトレーニングできるディープニューラルネットワーク(DNN)モデルについて考察する。
  論文  参考訳（メタデータ） (2020-10-08T15:27:50Z)
• Deep Learning Based Antenna Selection for Channel Extrapolation in FDD Massive MIMO [54.54508321463112]
  大規模なマルチインプット多重出力(MIMO)システムでは、多数のアンテナが正確なチャネル状態情報を取得する上で大きな課題となる。 ニューラルネットワーク(NN)を用いて、アップリンクとダウンリンクチャネルデータセット間の固有の接続を捕捉し、アップリンクチャネル状態情報のサブセットからダウンリンクチャネルを外挿する。 アンテナサブセット選択問題について検討し、最高のチャネル外挿を実現し、NNのデータサイズを小さくする。
  論文  参考訳（メタデータ） (2020-09-03T13:38:52Z)
• Operation-Aware Soft Channel Pruning using Differentiable Masks [51.04085547997066]
  本稿では,データ駆動型アルゴリズムを提案する。このアルゴリズムは,操作特性を利用して,ディープニューラルネットワークを異なる方法で圧縮する。 我々は大規模な実験を行い、出力ネットワークの精度で優れた性能を達成する。
  論文  参考訳（メタデータ） (2020-07-08T07:44:00Z)
• Deep Denoising Neural Network Assisted Compressive Channel Estimation for mmWave Intelligent Reflecting Surfaces [99.34306447202546]
  本稿では,mmWave IRSシステムに対するディープデノイングニューラルネットワークを用いた圧縮チャネル推定法を提案する。 我々はまず、受信チェーンをほとんど使わず、アップリンクのユーザ-IRSチャネルを推定するハイブリッド・パッシブ/アクティブIRSアーキテクチャを導入する。 完全チャネル行列は、圧縮センシングに基づいて限られた測定値から再構成することができる。
  論文  参考訳（メタデータ） (2020-06-03T12:18:57Z)

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。