Fugu-MT 論文翻訳(概要): A Bit Rate Bound on Superluminal Communication

論文の概要: A Bit Rate Bound on Superluminal Communication

arxiv url: http://arxiv.org/abs/2012.11278v1
Date: Mon, 21 Dec 2020 12:10:13 GMT
ステータス: 処理完了
システム内更新日: 2023-04-20 00:27:36.630611
Title: A Bit Rate Bound on Superluminal Communication
Title（参考訳）: 超音速通信におけるビットレート境界
Authors: Xi Tong, Yi Wang and Yuhang Zhu
Abstract要約: 転がり背景に伝播する超光モードを持つ正のk-essenceスカラー場理論における通信について検討する。以上の結果から, 正に反するk-essence理論が最大情報伝播速度を持っていなくても, 情報伝達速度に上限が存在する可能性が示唆された。
参考スコア（独自算出の注目度）: 3.9694334747397484
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We study semi-classical communication in positivity-violating k-essence scalar field theories, with superluminal modes propagating on a rolling background. The self-interactions due to the non-linear nature of these theories pose a constraint on the rate of superluminal information transfer. We derive a novel bit rate bound on superluminal communication within a conceptual model, to which a general class of k-essence theories naturally reduces. Our result implies the possibility that, even if these positivity-violating k-essence theories may not possess a maximal information propagation speed, there is nevertheless an upper bound on the rate of information transfer.
Abstract（参考訳）: 転がり背景に伝播する超光モードを持つ正のk-essenceスカラー場理論における半古典的コミュニケーションについて検討した。これらの理論の非線形性による自己相互作用は、スーパールミナル情報伝達の速度に制約を与える。我々は、概念モデル内の超光通信に束縛された新しいビットレートを導出し、k-エッセンス理論の一般クラスは自然に減少する。この結果は,これらの肯定性に違反するk-エッセンス理論が最大情報伝達速度を持たないとしても,情報伝達速度に上限がある可能性を示している。

関連論文リスト

Neural Message Passing Induced by Energy-Constrained Diffusion [79.9193447649011]
本稿では,MPNNのメカニズムを理解するための原理的解釈可能なフレームワークとして,エネルギー制約付き拡散モデルを提案する。データ構造が(グラフとして)観察されたり、部分的に観察されたり、完全に観察されなかったりした場合に、新しいモデルが有望な性能が得られることを示す。
論文参考訳（メタデータ） (2024-09-13T17:54:41Z)
Boosting information transfer in a quantum correlated medium [0.0]
既存の量子通信プロトコルは、一般的に送信者と受信者の間で共有された絡み合った状態に基づいている。エンタングルメント分布を伴わない量子相関媒質で情報伝達を促進できることを示す。
論文参考訳（メタデータ） (2024-06-13T16:16:59Z)
Understanding Oversmoothing in Diffusion-Based GNNs From the Perspective of Operator Semigroup Theory [12.946113359807551]
本稿では拡散型グラフニューラルネット(GNN)における過剰な問題に関する新しい研究について述べる。過平滑化が拡散作用素のエルゴード性に本質的に関連していることを厳密に証明する。実験結果から,このエルゴード性破壊項はディリクレエネルギーによって測定された過密化を効果的に緩和することが明らかとなった。
論文参考訳（メタデータ） (2024-02-23T13:44:57Z)
Rate-Distortion-Perception Theory for Semantic Communication [73.04341519955223]
シンボル歪みおよび意味知覚制約下での意味コミュニケーションの達成可能なデータレートについて検討する。我々は、受信者が特定の歪みや知覚の制約を満たす意味情報ソースを直接推測できるケースが存在することを観察する。
論文参考訳（メタデータ） (2023-12-09T02:04:32Z)
Diffusion Models are Minimax Optimal Distribution Estimators [49.47503258639454]
拡散モデリングの近似と一般化能力について、初めて厳密な分析を行った。実密度関数がベソフ空間に属し、経験値整合損失が適切に最小化されている場合、生成したデータ分布は、ほぼ最小の最適推定値が得られることを示す。
論文参考訳（メタデータ） (2023-03-03T11:31:55Z)
Instance-Dependent Generalization Bounds via Optimal Transport [51.71650746285469]
既存の一般化境界は、現代のニューラルネットワークの一般化を促進する重要な要因を説明することができない。データ空間における学習予測関数の局所リプシッツ正則性に依存するインスタンス依存の一般化境界を導出する。ニューラルネットワークに対する一般化境界を実験的に解析し、有界値が有意義であることを示し、トレーニング中の一般的な正規化方法の効果を捉える。
論文参考訳（メタデータ） (2022-11-02T16:39:42Z)
Dynamical Landauer's principle: Quantifying information transmission by thermodynamics [0.0]
古典的な情報の$n$ビットを伝送する量子力学の能力は、熱力学的タスクにおいて$n$のエネルギーを伝達する能力と等価であることを示す。我々の発見は情報伝達とエネルギーの強い結びつきを明らかにする。
論文参考訳（メタデータ） (2022-01-28T13:36:05Z)
Capacities of Gaussian Quantum Channels with Passive Environment Assistance [0.0]
受動的環境支援通信は、情報伝達システムと環境の間の一元的な相互作用としてモデル化された量子チャネルを介して行われる。我々は、ヘルパーとの量子通信と古典的コミュニケーションの両方と、送り手とヘルパーの間の古典的な自由な協調による古典的コミュニケーションを考察する。
論文参考訳（メタデータ） (2021-01-03T10:33:43Z)
Generalization bound of globally optimal non-convex neural network training: Transportation map estimation by infinite dimensional Langevin dynamics [50.83356836818667]
本稿では,ディープラーニングの最適化を一般化誤差と関連づけて解析する理論フレームワークを提案する。ニューラルネットワーク最適化分析のための平均場理論やニューラル・タンジェント・カーネル理論のような既存のフレームワークは、そのグローバル収束を示すために、ネットワークの無限幅の限界を取る必要がある。
論文参考訳（メタデータ） (2020-07-11T18:19:50Z)
Wave Propagation of Visual Stimuli in Focus of Attention [77.4747032928547]
周囲の視覚環境の変化に対する迅速な反応は、計算資源を視覚領域の最も関連する場所に再配置する効率的な注意機構を必要とする。本研究は, 営巣動物が提示する有効性と効率性を示す, 生物学的に有望な注目焦点モデルを提案する。
論文参考訳（メタデータ） (2020-06-19T09:33:21Z)
Distributed Inference with Sparse and Quantized Communication [7.155594644943642]
ネットワーク内のエージェントが未知の状態によって生成されたプライベート信号のストリームを観測する分散推論の問題を考察する。本研究では,各仮説に対する低信念を拡散する原理に基づく,イベントトリガー型分散学習ルールを開発する。逐次量子化器の範囲を精製することにより、各エージェントは1ドルビットで各仮説の信念を符号化しながら、ほぼ確実に指数関数的に真理を学習できることを示す。
論文参考訳（メタデータ） (2020-04-02T23:08:51Z)

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。