論文の概要: Benchmarking Information Scrambling
- arxiv url: http://arxiv.org/abs/2110.12355v2
- Date: Tue, 26 Jul 2022 18:54:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-10 11:40:37.397128
- Title: Benchmarking Information Scrambling
- Title（参考訳）: ベンチマーク情報スクランブル
- Authors: Joseph Harris, Bin Yan and Nikolai A. Sinitsyn
- Abstract要約: 私たちは、真のスクランブルの効果を独り占めするために、シンプルで堅牢なアプローチを提供します。
これにより、ノイズの多いバックグラウンドからスクランブルの度合いを定量化することで、スクランブルプロセスのベンチマークが可能になる。
- 参考スコア（独自算出の注目度）: 3.216942921710634
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Information scrambling refers to the rapid spreading of initially localized
information over an entire system, via the generation of global entanglement.
This effect is usually detected by measuring a temporal decay of the
out-of-time order correlators. However, in experiments, decays of these
correlators suffer from fake positive signals from various sources, e.g.,
decoherence due to inevitable couplings to the environment, or errors that
cause mismatches between the purported forward and backward evolutions. In this
work, we provide a simple and robust approach to single out the effect of
genuine scrambling. This allows us to benchmark the scrambling process by
quantifying the degree of the scrambling from the noisy backgrounds.
- Abstract（参考訳）: 情報スクランブル(英: information scrambling)とは、グローバルな絡み合いの発生を通じて、初期ローカル化された情報をシステム全体に急速に広めることである。
この効果は通常、時間外秩序相関器の時間減衰を測定することによって検出される。
しかし、実験では、これらの相関子の崩壊は、環境への不可避な結合によるデコヒーレンスや、報告された前方と後方の進化のミスマッチを引き起こすエラーなど、様々な源からの偽陽性信号に悩まされる。
そこで本研究では,真のスクランブルの効果を独り占めする,シンプルで堅牢なアプローチを提案する。
これにより、ノイズの背景からスクランブルの程度を定量化することにより、スクランブルプロセスのベンチマークが可能になる。
関連論文リスト
- Unsupervised Pairwise Causal Discovery on Heterogeneous Data using Mutual Information Measures [49.1574468325115]
因果発見(Causal Discovery)は、構成変数の統計的性質を分析することで、この問題に取り組む手法である。
教師付き学習によって得られたことに基づいて,現在の(おそらく誤解を招く)ベースライン結果に疑問を呈する。
その結果、堅牢な相互情報測定を用いて、教師なしの方法でこの問題にアプローチする。
論文 参考訳（メタデータ） (2024-08-01T09:11:08Z) - Enhancing Anomaly Detection Generalization through Knowledge Exposure: The Dual Effects of Augmentation [9.740752855568202]
異常検出では、標準から逸脱し、頻繁に発生するデータセット内のインスタンスを識別する。
現在のベンチマークでは、実際のシナリオと一致しない通常のデータの多様性の低い方法を好む傾向にある。
本稿では,概念力学の理解に外部知識を統合した新しいテストプロトコルと知識公開(KE)手法を提案する。
論文 参考訳（メタデータ） (2024-06-15T12:37:36Z) - Universal Spreading of Conditional Mutual Information in Noisy Random Circuits [1.6437645274005803]
一般開放量子系における条件付き相互情報の進化について検討する。
誤差率$p$のノイズランダム回路は条件付き相互情報の超線形伝播を示す。
論文 参考訳（メタデータ） (2024-02-28T18:31:14Z) - Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。
さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。
提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
論文 参考訳（メタデータ） (2023-11-27T13:14:06Z) - Novel features for the detection of bearing faults in railway vehicles [88.89591720652352]
我々は,Mel-Frequency Cepstral Coefficients (MFCCs) とAmplitude Modulation Spectrogram (AMS) から抽出した特徴を,軸受欠陥の検出のための特徴として紹介する。
論文 参考訳（メタデータ） (2023-04-14T10:09:50Z) - Revisiting Rotation Averaging: Uncertainties and Robust Losses [51.64986160468128]
現在の手法の主な問題は、推定エピポーラを通して入力データと弱い結合しか持たない最小コスト関数である。
本稿では,点対応から回転平均化への不確実性を直接伝播させることにより,基礎となる雑音分布をモデル化することを提案する。
論文 参考訳（メタデータ） (2023-03-09T11:51:20Z) - Causality-Based Multivariate Time Series Anomaly Detection [63.799474860969156]
我々は、因果的観点から異常検出問題を定式化し、多変量データを生成するための通常の因果的メカニズムに従わない事例として、異常を考察する。
次に、まずデータから因果構造を学習し、次に、あるインスタンスが局所因果機構に対して異常であるかどうかを推定する因果検出手法を提案する。
我々は、実世界のAIOpsアプリケーションに関するケーススタディと同様に、シミュレートされたデータセットとパブリックなデータセットの両方を用いて、私たちのアプローチを評価します。
論文 参考訳（メタデータ） (2022-06-30T06:00:13Z) - TadGAN: Time Series Anomaly Detection Using Generative Adversarial
Networks [73.01104041298031]
TadGANは、GAN(Generative Adversarial Networks)上に構築された教師なしの異常検出手法である。
時系列の時間相関を捉えるために,ジェネレータと批評家のベースモデルとしてLSTMリカレントニューラルネットワークを用いる。
提案手法の性能と一般化性を示すため,いくつかの異常スコアリング手法を検証し,最も適した手法を報告する。
論文 参考訳（メタデータ） (2020-09-16T15:52:04Z) - Recovery of Damaged Information and the Out-of-Time-Ordered Correlators [3.800391908440439]
また,スクランブルされた情報が局所的な測定によって部分的に損傷されている場合,時間反転プロトコルの適用により,そのような損傷を処理可能であることを示す。
この情報回復は、局所変数の時間外順序相関器の長期飽和値によって記述される。
論文 参考訳（メタデータ） (2020-03-16T15:05:25Z) - Root Cause Detection Among Anomalous Time Series Using Temporal State
Alignment [0.0]
本稿では,時系列変動のパターンを解析することにより,異常の根本原因を抽出する手法を提案する。
この考え方は、問題が不整合であるが、基底状態の均質なシフトを引き起こすときの効果の伝播を追跡することである。
そこで我々は,Zillows クリックストリームデータにおける異常の根本原因を,観測された変動の集合の中の因果パターンを同定することにより評価した。
論文 参考訳（メタデータ） (2020-01-04T08:31:34Z)
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。