Fugu-MT 論文翻訳(概要): Realignment separability criterion assisted with filtration for detecting continuous-variable entanglement

論文の概要: Realignment separability criterion assisted with filtration for detecting continuous-variable entanglement

arxiv url: http://arxiv.org/abs/2104.07510v2
Date: Mon, 23 Aug 2021 16:03:25 GMT
ステータス: 処理完了
システム内更新日: 2023-04-03 18:14:06.021480
Title: Realignment separability criterion assisted with filtration for detecting continuous-variable entanglement
Title（参考訳）: 連続可変エンタングルメント検出のための濾過支援による配向分離性基準
Authors: Anaelle Hertz, Matthieu Arnhem, Ali Asadian and Nicolas J. Cerf
Abstract要約: 本稿では,連続変数の絡み合いを検出するのに特に適した,配向分離性基準の弱い形式を導入する。また、シュミット対称状態(Schmidt-symmetric state)と呼ばれる状態の族を定義し、弱い配位基準は、配位基準の元々の定式化に還元される。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce a weak form of the realignment separability criterion which is particularly suited to detect continuous-variable entanglement and is physically implementable (it requires linear optics transformations and homodyne detection). Moreover, we define a family of states, called Schmidt-symmetric states, for which the weak realignment criterion reduces to the original formulation of the realignment criterion, making it even more valuable as it is easily computable especially in higher dimensions. Then, we focus in particular on Gaussian states and introduce a filtration procedure based on noiseless amplification or attenuation, which enhances the entanglement detection sensitivity. In some specific examples, it does even better than the original realignment criterion.
Abstract（参考訳）: 連続変数の絡み合いを検出するのに特に適しており、物理的に実装可能である(線形光学変換とホモダイン検出が必要である)。さらに、弱い再定義基準は再定義基準の原定式化に還元され、特に高次元では計算が容易であるためさらに価値のある状態の族であるシュミット対称状態(schmidt-symmetric states)を定義する。次に,特にガウス状態に着目し,ノイズのない増幅や減衰に基づく濾過法を導入し,絡み合い検出感度を高める。いくつかの具体例では、元の再配置基準よりも優れている。

関連論文リスト

A unifying separability criterion based on extended correlation tensor [0.0]
絡み合いは古典的量子区切り線への探求を言い換えるので、基本的には不合理である。相関テンソルに基づく分離性のための実践可能な基準を導入・定式化する。
論文参考訳（メタデータ） (2024-06-25T02:36:28Z)
Provably Accelerating Ill-Conditioned Low-rank Estimation via Scaled Gradient Descent, Even with Overparameterization [48.65416821017865]
この章では、スケールドグラデーション(ScaledGD)と呼ばれる新しいアルゴリズムアプローチを紹介します。低ランク物体の条件数に依存しない定数速度で直線的に収束する。様々なタスクに対して、勾配降下の低い摂動コストを維持できる。
論文参考訳（メタデータ） (2023-10-09T21:16:57Z)
Quantitative characterization of several entanglement detection criteria [0.0]
その結果, R'enyi-entropy-based criteria は, 正の部分的転位に比べ, 低下, 偏化, およびR'enyi-entropy-based criteria が極めて非効率であることが示唆された。 R'enyi-entropy-based criterionの場合、R'enyiエントロピーの順序によって検出可能なエンタングルメントの比が増加することを示す。
論文参考訳（メタデータ） (2022-07-05T13:48:23Z)
Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
論文参考訳（メタデータ） (2022-06-23T14:16:30Z)
System Identification via Nuclear Norm Regularization [44.9687872697492]
本稿では,ハンケル核ノルム正規化による低次線形系同定問題について検討する。この正規化に関する新しい統計解析を提供し、非正規化常用最小二乗推定器(OLS)と慎重に対比する。
論文参考訳（メタデータ） (2022-03-30T20:56:27Z)
Hyperspectral Image Denoising Using Non-convex Local Low-rank and Sparse Separation with Spatial-Spectral Total Variation Regularization [49.55649406434796]
本研究では,HSI復調のためのロバストな主成分分析のための新しい非特異なアプローチを提案する。我々は、ランクとスパースコンポーネントの両方に対する正確な近似を開発する。シミュレーションと実HSIの両方の実験により,提案手法の有効性が示された。
論文参考訳（メタデータ） (2022-01-08T11:48:46Z)
On the Convergence of Stochastic Extragradient for Bilinear Games with Restarted Iteration Averaging [96.13485146617322]
本稿では, ステップサイズが一定であるSEG法の解析を行い, 良好な収束をもたらす手法のバリエーションを示す。平均化で拡張した場合、SEGはナッシュ平衡に確実に収束し、スケジュールされた再起動手順を組み込むことで、その速度が確実に加速されることを証明した。
論文参考訳（メタデータ） (2021-06-30T17:51:36Z)
Towards Understanding Generalization via Decomposing Excess Risk Dynamics [13.4379473119565]
一般化力学を解析してアルゴリズム依存境界(安定性など)を導出する。ニューラルネットは、ノイズの嵌合時に緩やかな収束率を示すという観測から着想を得て、余剰リスクダイナミクスを分解することを提案する。分解の枠組みの下では、新しい境界は安定性に基づく境界と一様収束境界よりも理論的および経験的証拠とよく一致している。
論文参考訳（メタデータ） (2021-06-11T03:42:45Z)
Benign Overfitting of Constant-Stepsize SGD for Linear Regression [122.70478935214128]
帰納バイアスは経験的に過剰フィットを防げる中心的存在ですこの研究は、この問題を最も基本的な設定として考慮している: 線形回帰に対する定数ステップサイズ SGD。我々は、(正規化されていない)SGDで得られるアルゴリズム正則化と、通常の最小二乗よりも多くの顕著な違いを反映する。
論文参考訳（メタデータ） (2021-03-23T17:15:53Z)
Understanding Implicit Regularization in Over-Parameterized Single Index Model [55.41685740015095]
我々は高次元単一インデックスモデルのための正規化自由アルゴリズムを設計する。暗黙正則化現象の理論的保証を提供する。
論文参考訳（メタデータ） (2020-07-16T13:27:47Z)
Enhanced realignment criterion vs. linear entanglement witnesses [0.0]
強化(非線形)配向基準は相関テンソルに基づく線形基準の族と同値であることが示されている。適正な制限手順が提案され、それによって証人の新しい階級が生まれ、それは高次認識基準に匹敵するほど強力である。
論文参考訳（メタデータ） (2020-02-03T11:18:52Z)

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。