AIが解く世界の難問 · 量子物理・量子計算 · arXiv · 2026-10-21
動的量子ネットワークにおける量子もつれ精製の同時スケジューリング
原題: Concurrent Entanglement Purification Scheduling in Dynamic Quantum Networks
量子ネットワークはアプリケーションが要求する忠実度のエンドツーエンドもつれを提供する必要があり、通常は多ホップ経路上でのもつれ精製が必要になるが、既存のスケジューリングはリンク単位の精製か静的な要求集合の最適化にとどまり、時間とともに資源を奪い合う同時要求を扱えない。本研究は異種リンクをもつタイムスロット型量子ネットワークにおける同時もつれ精製スケジューリングを検討し、スケジュール済み要求の数を最大化し max-min 経路配分を公平性基準とする MILP スケジューラと、DQN・PPO・SAC に基づく強化学習スケジューラを構築した。負荷・トポロジー・目標忠実度を変えたシミュレーションでは強化学習が最高の成功率を示し、MILP に最大 6%、Progressive Filling と貪欲法のヒューリスティクスにそれぞれ 16.5% と 19.5% 及んだが、その代償としてベルペア消費が増え、一部の要求の実行が先送りされた一方、MILP は多くのシナリオで最高の公平性と最低のベルペア消費を達成した。