論文の概要: Quantum Causal Inference in the Presence of Hidden Common Causes: an Entropic Approach

• arxiv url: http://arxiv.org/abs/2104.13227v1
• Date: Sat, 24 Apr 2021 22:45:50 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-28 13:19:09.238098
• Title: Quantum Causal Inference in the Presence of Hidden Common Causes: an Entropic Approach
• Title（参考訳）: 隠れた共通原因の存在下での量子因果推論:-エントロピー的アプローチ
• Authors: Mohammad Ali Javidian, Vaneet Aggarwal, Zubin Jacob
• Abstract要約: エントロピー原理を利用して量子情報科学と因果推論を融合するための新しい理論的枠組みを提唱する。 提案したフレームワークを量子ノイズリンク上のメッセージ送信者を特定する実験的に関連するシナリオに適用する。 このアプローチは、将来のマルチノード量子ネットワーク上で悪意のある活動の起源を特定する基礎を築くことができる。
• 参考スコア（独自算出の注目度）: 34.77250498401055
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum causality is an emerging field of study which has the potential to greatly advance our understanding of quantum systems. One of the most important problems in quantum causality is linked to this prominent aphorism that states correlation does not mean causation. A direct generalization of the existing causal inference techniques to the quantum domain is not possible due to superposition and entanglement. We put forth a new theoretical framework for merging quantum information science and causal inference by exploiting entropic principles. For this purpose, we leverage the concept of conditional density matrices to develop a scalable algorithmic approach for inferring causality in the presence of latent confounders (common causes) in quantum systems. We apply our proposed framework to an experimentally relevant scenario of identifying message senders on quantum noisy links, where it is validated that the input before noise as a latent confounder is the cause of the noisy outputs. We also demonstrate that the proposed approach outperforms the results of classical causal inference even when the variables are classical by exploiting quantum dependence between variables through density matrices rather than joint probability distributions. Thus, the proposed approach unifies classical and quantum causal inference in a principled way. This successful inference on a synthetic quantum dataset can lay the foundations of identifying originators of malicious activity on future multi-node quantum networks.
• Abstract（参考訳）: 量子因果性(quantum causality)は、量子系の理解を大幅に前進させる可能性を持つ新しい研究分野である。 量子因果関係における最も重要な問題の1つは、相関関係が因果関係を意味するものではないというこの顕著なアフォリズムに関連している。 既存の因果推論技術の量子領域への直接的一般化は、重ね合わせと絡み合いのため不可能である。 エントロピック原理を利用して量子情報科学と因果推論を融合する新たな理論的枠組みを提案した。 この目的のために,条件密度行列の概念を活用し,量子システムにおける潜在共起者(共通の原因)の存在下で因果関係を推測するスケーラブルなアルゴリズム手法を開発した。 本稿では,提案手法を量子ノイズリンク上でメッセージ送信者を特定する実験的なシナリオに適用し,ノイズ前の入力が雑音出力の原因であることを検証した。 また,共役確率分布ではなく密度行列を用いて変数間の量子依存を利用して,変数が古典的であっても古典的因果推論の結果より優れていることを示す。 したがって、提案手法は古典的および量子因果推論を原則的に統一する。 この合成量子データセットでの推論の成功は、将来のマルチノード量子ネットワークにおける悪意ある活動の起因者を特定する基礎となる。

関連論文リスト

• Power Characterization of Noisy Quantum Kernels [52.47151453259434]
  一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。 我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
  論文  参考訳（メタデータ） (2024-01-31T01:02:16Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• Realization of algorithmic identification of cause and effect in quantum correlations [13.164461672508711]
  相関の量子的観点は、ライヘンバッハの原理による制限を克服するという約束を持っている。 本研究では,2つの基本因果構造が生成する2量子統計相関を観測シナリオで同定するアルゴリズムを考案した。 この結果は、一般設定における量子因果性の研究の道を開くものである。
  論文  参考訳（メタデータ） (2023-04-20T10:06:38Z)
• Information causality in multipartite scenarios [1.0312968200748118]
  マルチパーティシナリオにおける情報因果原理の新たな定式化について報告する。 このような不等式が全ての量子資源に対して成り立つことを証明し、より強い量子資源を禁止した。
  論文  参考訳（メタデータ） (2022-12-11T20:32:21Z)
• Quantifying Quantum Causal Influences [0.8399688944263843]
  本稿では,最も一般的な因果性量子化器の量子バージョンである平均因果効果(ACE)を提案し,その推定原因に対する介入によって対象の量子系がどの程度変化するかを測定する。 2キュービットゲートでの因果関係の定量化だけでなく、測定ベースのバージョンのような代替の量子計算モデルも提供する。 量子テレポーテーションを考慮すると、純粋な絡み合った状態は、分離可能な状態と比較して因果効果の面で有利であることを示す。
  論文  参考訳（メタデータ） (2022-10-09T17:17:42Z)
• Theory of Quantum Generative Learning Models with Maximum Mean Discrepancy [67.02951777522547]
  量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。 まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。 次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
  論文  参考訳（メタデータ） (2022-05-10T08:05:59Z)
• Noisy Quantum Kernel Machines [58.09028887465797]
  量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。 消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。 量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
  論文  参考訳（メタデータ） (2022-04-26T09:52:02Z)
• Efficient Distinction between Quantum Direct and Common Causes and its Experimental Verification [15.082156478846654]
  2つの量子系間の量子因果構造を効率的に同定するために、因果行列式と呼ばれる量を導入する。 因果行列式によれば、任意のユニタリ作用素によって課される量子的直接因果関係は、量子的共通因果関係と完全に区別することができる。
  論文  参考訳（メタデータ） (2022-03-05T14:12:37Z)
• Experimental violations of Leggett-Garg's inequalities on a quantum computer [77.34726150561087]
  単一および多ビット系におけるLeggett-Garg-Bellの不等式違反を実験的に観察する。 本分析では, 量子プラットフォームの限界に注目し, 上記の相関関数は, 量子ビットの数や回路深さが大きくなるにつれて, 理論的予測から逸脱することを示した。
  論文  参考訳（メタデータ） (2021-09-06T14:35:15Z)
• Quantum Entropic Causal Inference [30.939150842529052]
  エントロピー原理を利用して量子情報科学と因果推論を融合するための新しい理論的枠組みを提唱する。 提案したフレームワークを量子ノイズリンク上のメッセージ送信者を特定する実験的に関連するシナリオに適用する。
  論文  参考訳（メタデータ） (2021-02-23T15:51:34Z)

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。