PulseAugur
实时 08:19:13
English(EN) Robust Belief-State Policy Learning for Quantum Network Routing Under Decoherence and Time-Varying Conditions

新的q-POMDP和GNN框架应对量子网络路由挑战

研究人员开发了一种新颖的量子网络路由框架,以应对退相干和时变条件等挑战。该方法结合了量子部分可观察马尔可夫决策过程(q-POMDP)和带可行性掩码的图神经网络(GNN)。该系统维护一个经典的信念状态来评估动作并更新物理状态,整合了内存预留和传输保真度等详细操作方面。模拟表明,与现有方法相比,这种混合控制器提高了高保真度吞吐量并降低了成本。 AI

影响 这项研究通过改进路由策略,有望实现更强大、更高效的量子通信网络。

排序理由 学术论文,详细介绍了量子网络路由的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的q-POMDP和GNN框架应对量子网络路由挑战

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Amirhossein Taherpour, Abbas Taherpour, Tamer Khattab, Mazen Hasna ·

    针对退相干和时变条件下的量子网络路由的鲁棒信念状态策略学习

    arXiv:2509.08654v2 Announce Type: replace-cross Abstract: Quantum network routing requires online decisions under probabilistic entanglement generation, finite quantum memories, decoherence, imperfect operations, and classical feedback, while the controller has incomplete knowled…