論文の概要: Information scrambling in a collision model

• arxiv url: http://arxiv.org/abs/2002.04883v2
• Date: Wed, 22 Apr 2020 00:41:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-03 21:30:38.695642
• Title: Information scrambling in a collision model
• Title（参考訳）: 衝突モデルにおける情報スクランブル
• Authors: Yan Li, Xingli Li, and Jiasen Jin
• Abstract要約: 全光学系における情報力学をシミュレートする衝突モデルを提案する。 メモリと環境粒子が2方向に圧縮されている場合、その情報はスクランブルされる。
• 参考スコア（独自算出の注目度）: 2.7075104175188116
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The information scrambling in many-body systems is closely related to quantum chaotic dynamics, complexity, and gravity. Here we propose a collision model to simulate the information dynamics in an all-optical system. In our model the information is initially localized in the memory and evolves under the combined actions of many-body interactions and dissipation. We find that the information is scrambled if the memory and environmental particles are alternatively squeezed along two directions which are perpendicular to each other. Moreover, the disorder and imperfection of the interaction strength tend to prevent the information flow away to the environment and lead to the information scrambling in the memory. We analyze the spatial distributions of the correlations in the memory. Our proposal is possible to realize with current experimental techniques.
• Abstract（参考訳）: 多体系における情報は、量子カオス力学、複雑性、重力と密接に関連している。 本稿では,全光学系における情報ダイナミクスをシミュレートする衝突モデルを提案する。 我々のモデルでは、情報は当初メモリに局所化され、多体相互作用と散逸の複合作用の下で進化する。 記憶粒子と環境粒子が互いに垂直な2方向に沿って交互に絞り込まれている場合,情報をスクランブル化することが判明した。 さらに、相互作用強度の障害や不完全性は、情報の流れを環境に流すのを防ぎ、記憶を揺るがす情報をもたらす傾向がある。 メモリ内の相関関係の空間分布を解析する。 本提案は,現在の実験手法で実現可能である。

関連論文リスト

• InterFormer: Towards Effective Heterogeneous Interaction Learning for Click-Through Rate Prediction [72.50606292994341]
  我々はインターリービング方式で異種情報インタラクションを学習するInterFormerという新しいモジュールを提案する。 提案するInterFormerは,3つのパブリックデータセットと大規模産業データセットに対して,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-11-15T00:20:36Z)
• Physics-Encoded Graph Neural Networks for Deformation Prediction under Contact [87.69278096528156]
  ロボット工学では、触覚相互作用における物体の変形を理解することが不可欠である。 本稿では,物理符号化グラフニューラルネットワーク(GNN)を用いた予測手法を提案する。 コードとデータセットを公開して、ロボットシミュレーションと把握の研究を進めました。
  論文  参考訳（メタデータ） (2024-02-05T19:21:52Z)
• Inferring Relational Potentials in Interacting Systems [56.498417950856904]
  このような相互作用を発見する代替手法として、ニューラル・インタラクション・推論(NIIP)を提案する。 NIIPは観測された関係制約を尊重する軌道のサブセットに低エネルギーを割り当てる。 別々に訓練されたモデル間での相互作用の型を交換するなどの軌道操作や、軌道予測を可能にする。
  論文  参考訳（メタデータ） (2023-10-23T00:44:17Z)
• Collisional open quantum dynamics with a generally correlated environment: Exact solvability in tensor networks [0.0]
  システム力学の自然なマルコフ埋め込みは,ネットワークの仮想指標によって補助的なシステムの役割を担っている。 その結果、量子光学と量子輸送の分野におけるテンソル・ネットワーク法が進展した。
  論文  参考訳（メタデータ） (2022-02-09T19:48:17Z)
• Dissipation induced information scrambling in a collision model [2.7075104175188116]
  本稿では,散逸系における情報の力学を分光的にシミュレートする衝突モデルを提案する。 消散の存在下では、過渡三部構成の相互情報のシステムモードは、情報スクランブルの出現を示す負の値を示す可能性がある。
  論文  参考訳（メタデータ） (2022-01-27T12:19:33Z)
• Data-driven discovery of interacting particle systems using Gaussian processes [3.0938904602244346]
  本研究では,2次相互作用粒子系における距離に基づく相互作用則の発見について検討する。 本稿では,潜在相互作用カーネル関数をガウス過程としてモデル化する学習手法を提案する。 異なる集団行動を示すシステムにおける数値的な結果から,ノイズの少ない軌道データから,我々のアプローチを効果的に学習することを示す。
  論文  参考訳（メタデータ） (2021-06-04T22:00:53Z)
• Tracing Information Flow from Open Quantum Systems [52.77024349608834]
  我々は導波路アレイに光子を用いて、キュービットと低次元の離散環境とのカップリングの量子シミュレーションを実装した。 量子状態間のトレース距離を情報の尺度として用いて、異なるタイプの情報伝達を分析する。
  論文  参考訳（メタデータ） (2021-03-22T16:38:31Z)
• Learning Dynamical Systems with Side Information [2.28438857884398]
  いくつかの軌跡のノイズ観測から力学系を学習するための枠組みを提案する。 多くのアプリケーションで自然に発生する6種類のサイド情報を識別する。 本研究では,物理・細胞生物学における基礎モデルの力学を学習するための側面情報の付加価値と,疫学におけるモデルの力学の学習と制御について述べる。
  論文  参考訳（メタデータ） (2020-08-23T23:30:48Z)
• Causal Discovery in Physical Systems from Videos [123.79211190669821]
  因果発見は人間の認知の中心にある。 本研究では,ビデオの因果発見の課題を,地層構造を監督せずにエンドツーエンドで検討する。
  論文  参考訳（メタデータ） (2020-07-01T17:29:57Z)
• Focus of Attention Improves Information Transfer in Visual Features [80.22965663534556]
  本稿では,真のオンライン環境下での視覚情報伝達のための教師なし学習に焦点を当てた。 エントロピー項の計算は、エントロピー項のオンライン推定を行う時間的プロセスによって行われる。 入力確率分布をよりよく構成するために,人間のような注目モデルを用いる。
  論文  参考訳（メタデータ） (2020-06-16T15:07:25Z)

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。