Adaptive Entanglement Routing with Deep Q-Networks in Quantum Networks
Created by
Haebom
Category
Empty
저자
Lamarana Jallow, Majid Iqbal Khan
개요
본 논문은 양자 인터넷에서 큐비트와 같은 중요한 자원의 효율적인 분배라는 지속적인 과제를 해결하기 위해 강화 학습 기반의 적응형 얽힘 라우팅 프레임워크를 제안합니다. QuDQN 모델이라는 강화 학습 모델을 이용하여 양자 네트워크 관리를 최적화하고, 충실도 요구 사항, 네트워크 토폴로지, 큐비트 용량 및 요청 수요를 고려하여 자원을 효율적으로 할당하고 얽힘 라우팅을 향상시킵니다.
시사점, 한계점
•
시사점: 양자 네트워크에서의 효율적인 자원 할당 및 얽힘 라우팅을 위한 새로운 접근 방식을 제시합니다. 강화 학습을 통해 동적이고 최적화된 자원 관리가 가능해집니다. 다양한 요소들을 통합적으로 고려하여 현실적인 양자 네트워크 환경에 적용 가능성을 높였습니다.
•
한계점: 제안된 QuDQN 모델의 실제 양자 네트워크 환경에서의 성능 평가 결과가 제시되지 않았습니다. 모델의 확장성 및 다양한 네트워크 토폴로지에 대한 적응력에 대한 추가적인 연구가 필요합니다. 실제 양자 하드웨어 구현 및 테스트를 위한 추가적인 연구가 필요합니다.
