Fugu-MT 論文翻訳(概要): Impossibility of memory in hidden-signaling models for quantum correlations

論文の概要: Impossibility of memory in hidden-signaling models for quantum correlations

arxiv url: http://arxiv.org/abs/2005.11340v2
Date: Fri, 6 Nov 2020 15:11:34 GMT
ステータス: 処理完了
システム内更新日: 2023-05-19 01:23:51.775894
Title: Impossibility of memory in hidden-signaling models for quantum correlations
Title（参考訳）: 量子相関のための隠れ信号モデルにおけるメモリの不可能性
Authors: Ignacio Perito, Guido Bellomo, Daniel Galicer, Santiago Figueira, Augusto J. Roncaglia, and Ariel Bendersky
Abstract要約: 自然界が何らかの形で隠されたシグナリングを利用して相関を生成する非局所量子相関の玩具モデルを考える。このようなモデルにもメモリがあった場合、当事者は隠されたシグナリングを利用してメッセージを送信することができる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We consider a toy model for non-local quantum correlations in which nature resorts to some form of hidden signaling (i.e., signaling between boxes but not available to the users) to generate correlations. We show that if such a model also had memory, the parties would be able to exploit the hidden-signaling and use it to send a message, achieving faster-than-light communication. Given that memory is a resource easily available for any physical system, our results add evidence against hidden signaling as the mechanism behind nature's non-local behavior
Abstract（参考訳）: 自然が何らかの形で隠れたシグナル(例えば、箱の間をシグナルするが、ユーザーには利用できない)を用いて相関を生成する非局所的量子相関に対するトイモデルを考える。このようなモデルにもメモリがある場合、当事者は隠されたシグナリングを利用してメッセージを送信し、より高速な通信を実現することができる。記憶がどんな物理システムでも容易に利用できる資源であることを踏まえると,本研究は自然の非局所的行動のメカニズムとして隠れたシグナル伝達に対する証拠を付加する。

関連論文リスト

Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
論文参考訳（メタデータ） (2024-05-15T20:41:46Z)
Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
論文参考訳（メタデータ） (2024-05-01T12:03:39Z)
Real-time Adaptation for Condition Monitoring Signal Prediction using Label-aware Neural Processes [3.10770247120758]
リアルタイム状態監視(CM)信号に迅速に適応する予測モデルの構築は、エンジニアリングシステムやユニットにとって重要である。現在の手法は、オンライン設定における表現力とアジリティのトレードオフに悩まされている。このトレードオフに対処するニューラルプロセスベースのアプローチを提案する。
論文参考訳（メタデータ） (2024-03-25T02:47:29Z)
One-time Pad Encryption Model for Non-local Correlations [0.0]
我々はベル非局所相関をモデル化するための暗号に着想を得たフレームワークを提案する。有名なド・ブロイ=ボーム理論からインスピレーションを得て、我々は非局所的ボックスを即時シグナルを特徴とする現実的なシステムとして概念化した。
論文参考訳（メタデータ） (2023-07-07T05:35:04Z)
Causality and signalling in non-compact detector-field interactions [0.0]
粒子検出器モデルに「透明」超光信号と逆カスケーションが現れる。空間と時間に無限の尾を持つ検出器であっても、仮に尾が指数関数的に崩壊しても、有効光錐を定義することができる。
論文参考訳（メタデータ） (2023-05-12T20:46:38Z)
Extending loophole-free nonlocal correlations to arbitrarily large distances [0.2104687387907779]
我々は、ループホールのない非局所的相関の性質を利用して、任意に広い距離にわたってそれらを拡張する。ソースに近いループホールのない非局所性が高ければ高いほど、ソースからのしきい値要求が低くなることを示す。
論文参考訳（メタデータ） (2022-11-25T16:44:44Z)
Unsupervised Sound Localization via Iterative Contrastive Learning [106.56167882750792]
データアノテーションを必要としない反復型コントラスト学習フレームワークを提案する。次に、擬似ラベルを用いて、同じビデオからサンプリングされた視覚信号と音声信号の相関関係を学習する。我々の反復的戦略は徐々に音像の局所化を奨励し、非発声領域と参照音声との相関を減少させる。
論文参考訳（メタデータ） (2021-04-01T07:48:29Z)
On the benefits of robust models in modulation recognition [53.391095789289736]
畳み込み層を用いたディープニューラルネットワーク(DNN)は、通信における多くのタスクにおいて最先端である。画像分類のような他の領域では、DNNは敵の摂動に弱いことが示されている。最新モデルの堅牢性をテストするための新しいフレームワークを提案する。
論文参考訳（メタデータ） (2021-03-27T19:58:06Z)
Probing Model Signal-Awareness via Prediction-Preserving Input Minimization [67.62847721118142]
モデルが正しい脆弱性信号を捕捉して予測する能力を評価する。 SAR(Signal-Aware Recall)と呼ばれる新しい指標を用いて,モデルの信号認識を計測する。その結果,90年代以降のリコールから60年代以降のリコールは,新たな指標で大幅に減少した。
論文参考訳（メタデータ） (2020-11-25T20:05:23Z)
Automatic Recall Machines: Internal Replay, Continual Learning and the Brain [104.38824285741248]
ニューラルネットワークのリプレイには、記憶されたサンプルを使ってシーケンシャルなデータのトレーニングが含まれる。本研究では,これらの補助サンプルをフライ時に生成する手法を提案する。代わりに、評価されたモデル自体内の学習したサンプルの暗黙の記憶が利用されます。
論文参考訳（メタデータ） (2020-06-22T15:07:06Z)
Bell non-locality using tensor networks and sparse recovery [0.0]
ベルの定理は、量子予測は局所的な隠れ変数の記述と不整合であると述べ、量子理論の基礎となっている。本稿では,非局所性の検証と定量化が可能なテンソルネットワークとしてベルシナリオを解析することを提案する。非シグナリング相関が準確率によって支配される隠れ変数モデルによって記述できることを証明することができる。
論文参考訳（メタデータ） (2020-01-30T16:59:18Z)

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。