Concurrent Entanglement Purification Scheduling in Dynamic Quantum Networks
Diese Arbeit adressiert die Herausforderung der Planung gleichzeitiger Entanglement-Purification in dynamischen Quantennetzwerken, indem sie ein Fairness-bewusstes Mixed-Integer-Linear-Programming-Modell (MILP) formuliert und Reinforcement-Learning-basierte Scheduler entwickelt, die, obwohl sie mehr Bell-Paare verbrauchen, bestehende Heuristiken und den MILP-Ansatz bei der Maximierung der Erfolgsraten von Anfragen unter variierenden Netzwerkbedingungen signifikant übertreffen.