論文の概要: Causal influence in operational probabilistic theories
- arxiv url: http://arxiv.org/abs/2012.15213v3
- Date: Thu, 29 Jul 2021 09:20:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-18 07:47:41.100516
- Title: Causal influence in operational probabilistic theories
- Title（参考訳）: 運用確率論における因果的影響
- Authors: Paolo Perinotti
- Abstract要約: 可逆進化の入力系と出力系との因果関係について検討する。
1つはシグナリングに基づく概念であり、もう1つは量子セルオートマトンにおけるセルの近傍を定義するために使われる概念である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We study the relation of causal influence between input systems of a
reversible evolution and its output systems, in the context of operational
probabilistic theories. We analyse two different definitions that are borrowed
from the literature on quantum theory -- where they are equivalent. One is the
notion based on signalling, and the other one is the notion used to define the
neighbourhood of a cell in a quantum cellular automaton. The latter definition,
that we adopt in the general scenario, turns out to be strictly weaker than the
former: it is possible for a system to have causal influence on another one
without signalling to it. Remarkably, the counterexample comes from classical
theory, where the proposed notion of causal influence determines a redefinition
of the neighbourhood of a cell in cellular automata. We stress that, according
to our definition, it is impossible anyway to have causal influence in the
absence of an interaction, e.g.~in a Bell-like scenario. We study various
conditions for causal influence, and introduce the feature that we call no
interaction without disturbance, under which we prove that signalling and
causal influence coincide. The proposed definition has interesting consequences
on the analysis of causal networks, and leads to a revision of the notion of
neighbourhood for classical cellular automata, clarifying a puzzle regarding
their quantisation that apparently makes the neighbourhood larger than the
original one.
- Abstract（参考訳）: 本稿では,可逆進化の入力系と出力系との因果関係について,運用確率論の文脈で検討する。
我々は、量子論の文献から借用された2つの異なる定義を分析する。
1つはシグナルに基づく概念であり、もう1つは量子セルオートマトンにおけるセルの近傍を定義するために使われる概念である。
私たちが一般的なシナリオで採用する後者の定義は、前者よりも厳密に弱いことが判明した。
驚くべきことに、逆例は古典的な理論から来ており、提案された因果的影響の概念はセルオートマトンにおける細胞の近傍の再定義を決定する。
我々は、我々の定義によれば、相互作用がない場合、例えばベルのようなシナリオにおいて因果的影響を持つことは不可能である、と強調する。
因果的影響の諸条件について検討し、障害のない相互作用とは呼ばない特徴を紹介し、シグナリングと因果的影響が一致することを証明した。
提案する定義は因果ネットワークの解析に興味深い結果をもたらし、古典セルオートマトンにおける近隣性の概念を改訂し、その量子化に関するパズルを明確にし、その周辺を元のものよりも大きくする。
関連論文リスト
- Nonparametric Partial Disentanglement via Mechanism Sparsity: Sparse
Actions, Interventions and Sparse Temporal Dependencies [58.179981892921056]
この研究は、メカニズムのスパーシティ正則化(英語版)と呼ばれる、アンタングルメントの新たな原理を導入する。
本稿では,潜在要因を同時に学習することで,絡み合いを誘発する表現学習手法を提案する。
学習した因果グラフをスパースに規則化することにより、潜伏因子を復元できることを示す。
論文 参考訳（メタデータ） (2024-01-10T02:38:21Z) - Emergence and Causality in Complex Systems: A Survey on Causal Emergence
and Related Quantitative Studies [12.78006421209864]
因果発生理論は出現を定量化するために因果関係の尺度を用いる。
因果の出現を定量化し、データを識別する。
因果表現学習,因果モデル抽象化,世界モデルに基づく強化学習によって,因果表現の出現を識別するアーキテクチャが共有されることを強調した。
論文 参考訳（メタデータ） (2023-12-28T04:20:46Z) - A Measure-Theoretic Axiomatisation of Causality [55.6970314129444]
我々は、コルモゴロフの確率の測度理論的公理化を因果関係の公理化への出発点とすることを好んで論じる。
提案するフレームワークは測度理論に厳格に根ざしているが,既存のフレームワークの長期的制限にも光を当てている。
論文 参考訳（メタデータ） (2023-05-19T13:15:48Z) - Phenomenological Causality [14.817342045377842]
本稿では,基本的な概念が基本的な行動の集合である「現象因果性」の概念を提案する。
検討中のシステムが基本的な動作を制御する他の変数と相互作用する場合、それは因果マルコフ条件と一致していると論じる。
論文 参考訳（メタデータ） (2022-11-15T13:05:45Z) - Covariant influences for finite discrete dynamical systems [6.2997667081978825]
有限離散力学系に対する外部影響の厳密な理論を開発する。
我々のアプローチは、有限離散力学系の研究に、量子情報理論を借用した資源理論の枠組みを用いる。
我々の法則は、異なる種類の有限離散力学系の挙動を統一し、それらの数学的風味は厳密で精査可能である。
論文 参考訳（メタデータ） (2021-11-26T18:05:02Z) - From no causal loop to absoluteness of cause: discarding the quantum NOT
logic [0.0]
AC原則は、2つの空間的な分離イベント/プロセスの時間順序を、その共通の未来における別の事象の潜在的な原因として抑制する。
強い形態の違反は即時信号化を可能にし、弱い形態の違反は局所的なトモグラフィー理論を禁止している。
一方、中間違反の可能性は、普遍量子NOT論理を破棄するのに十分である。
論文 参考訳（メタデータ） (2021-09-21T04:24:25Z) - Discovering Latent Causal Variables via Mechanism Sparsity: A New
Principle for Nonlinear ICA [81.4991350761909]
ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。
潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
論文 参考訳（メタデータ） (2021-07-21T14:22:14Z) - The Causal Neural Connection: Expressiveness, Learnability, and
Inference [125.57815987218756]
構造因果モデル (Structuor causal model, SCM) と呼ばれるオブジェクトは、調査中のシステムのランダムな変動のメカニズムと源の集合を表す。
本稿では, 因果的階層定理 (Thm. 1, Bareinboim et al., 2020) がまだニューラルモデルに対して成り立っていることを示す。
我々はニューラル因果モデル(NCM)と呼ばれる特殊なタイプのSCMを導入し、因果推論に必要な構造的制約をエンコードする新しいタイプの帰納バイアスを定式化する。
論文 参考訳（メタデータ） (2021-07-02T01:55:18Z) - Causal Expectation-Maximisation [70.45873402967297]
ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。
我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。
我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
論文 参考訳（メタデータ） (2020-11-04T10:25:13Z) - Quantifying causal influences in the presence of a quantum common cause [0.9176056742068814]
本稿では,2変数間の因果関係を推定できる汎用フレームワークを提案する。
すべての純粋な二部構成の絡み合った状態が、因果的影響に関する古典的な境界に反することを示す。
論文 参考訳（メタデータ） (2020-07-02T16:07:18Z) - 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)
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。