Fugu-MT 論文翻訳(概要): Catalytic leverage of correlations and mitigation of dissipation in Information erasure

論文の概要: Catalytic leverage of correlations and mitigation of dissipation in Information erasure

arxiv url: http://arxiv.org/abs/2202.07192v1
Date: Tue, 15 Feb 2022 05:01:07 GMT
ステータス: 処理完了
システム内更新日: 2023-02-25 18:55:57.983375
Title: Catalytic leverage of correlations and mitigation of dissipation in Information erasure
Title（参考訳）: 情報消去における相関の触媒的利用と消散軽減
Authors: Ivan Henao, Raam Uzdin
Abstract要約: 古典的相関を触媒的に利用することで,情報消去における熱とエントロピーの拡散を緩和できることを示す。また, 最小消散量, 相関関係のない最大消散量は理論上不可能であるが, 触媒は常に実用上有用である。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Correlations are a valuable resource for quantum information processing and quantum thermodynamics. However, the preparation of some correlated states can carry a substantial cost that should be compared against its value. We show that classical correlations can be catalytically exploited, which enables to mitigate heat and entropy dissipation in information erasure. These correlations are naturally generated by the erasure process, and thus can be considered free. Although we also show that maximum erasure with minimum dissipation and no correlations is theoretically possible, catalysts are always useful in practical erasure settings, where correlations are expected to take place.
Abstract（参考訳）: 相関は量子情報処理と量子熱力学にとって貴重な資源である。しかし、いくつかの相関状態の準備は、その価値に対して比較すべき相当なコストを負担することができる。古典的相関を触媒的に利用することで,情報消去における熱とエントロピーの拡散を緩和できることを示す。これらの相関は自然に消去過程によって生成され、したがって自由と見なすことができる。また, 最小散逸と相関のない最大消去は理論的に可能であることも示しているが, 触媒は, 相関が期待される実用的な消去設定において常に有用である。

関連論文リスト

Demonstration of energy extraction gain from non-classical correlations [62.615368802619116]
エンタングルメントは、制御可能な設定における抽出可能なエネルギーの量を支配していることを示す。 2ビットの資源状態の一致とフィードバックポリシの適用によるエネルギー抽出利得の両方を定量化することにより、情報とエネルギーの関連性を裏付ける。
論文参考訳（メタデータ） (2024-04-23T08:44:07Z)
Applications of flow models to the generation of correlated lattice QCD ensembles [69.18453821764075]
機械学習された正規化フローは、格子量子場理論の文脈で、異なる作用パラメータで格子ゲージ場の統計的に相関したアンサンブルを生成するために用いられる。本研究は,これらの相関を可観測物の計算における分散低減に活用する方法を実証する。
論文参考訳（メタデータ） (2024-01-19T18:33:52Z)
Learning Complete Topology-Aware Correlations Between Relations for Inductive Link Prediction [121.65152276851619]
関係性間の意味的相関は本質的にエッジレベルとエンティティ非依存であることを示す。本研究では,関係関係のトポロジ・アウェア・コレレーションをモデル化するための新しいサブグラフベース手法,TACOを提案する。 RCNのポテンシャルをさらに活用するために, 完全コモンニアインダストリアルサブグラフを提案する。
論文参考訳（メタデータ） (2023-09-20T08:11:58Z)
No-go theorem for entanglement distillation using catalysis [49.24817625059456]
触媒変換は, 有界な絡み合い状態からの絡み合いの蒸留を決して許さないことを示す。このことは、たとえ許容的選択であっても、絡み合い理論が可逆的な操作を適用できない可能性を妨げる。
論文参考訳（メタデータ） (2023-05-05T12:57:59Z)
Statistical Efficiency of Score Matching: The View from Isoperimetry [96.65637602827942]
本研究では, スコアマッチングの統計的効率と推定される分布の等尺性との間に, 密接な関係を示す。これらの結果はサンプル状態と有限状態の両方で定式化する。
論文参考訳（メタデータ） (2022-10-03T06:09:01Z)
Distilling Nonlocality in Quantum Correlations [0.0]
非局所性蒸留の展望を考察し, 弱い非局所系の多くのコピーに自然集合の自由操作(配線と呼ばれる)を適用することにより, 高い非局所強度の相関関係を生成することを目的とする。最も単純なベルのシナリオでは、任意の弱量子非局所相関から始まる非局所性を著しく高次に除去できるプロトコル、すなわち論理的OR-AND配線を同定する。
論文参考訳（メタデータ） (2022-08-30T03:58:44Z)
Fundamental Limits on Correlated Catalytic State Transformations [15.609988622100532]
触媒とターゲット状態の相関関係が小さいことは,触媒が極めて資源に富む必要があることを示唆している。さらに、不完全な小さな誤差は一般に非常に資源に富んだ触媒を意味すると断定する。
論文参考訳（メタデータ） (2021-11-26T08:34:59Z)
Correlation in Catalysts Enables Arbitrary Manipulation of Quantum Coherence [0.0]
複数の触媒間の相関を許容することは、量子コヒーレンスを操作する際に任意の力を与えることを示す。本報告では, 複数触媒間に生成する相関関係により, 資源エンベズルメントに起因する新しいエンベズルメント様現象を示す。
論文参考訳（メタデータ） (2021-06-23T18:00:04Z)
Computable R\'enyi mutual information: Area laws and correlations [0.688204255655161]
相互情報は、量子情報に大きな関心を持つ古典的および量子的相関の尺度である。ここでは R'enyi の発散に基づく代替定義を考える。熱領域法則を大域的に従うことと、すべての相関関数を上界に有することを示す。
論文参考訳（メタデータ） (2021-03-02T13:33:42Z)
Multipartite Optimized Correlation Measures and Holography [8.594140167290098]
単調性条件を満たす状態のすべての可浄化性に対して、最適化された相関測度、エントロピーの線形結合を最小化することに焦点を当てる。本稿では,これらの量を導出し,対称最適化された相関尺度のメナジェリーを構築する方法を提案する。いくつかの相関測度は積状態のみに消え、したがって古典的相関と量子的相関の両方を定量化する。次に,曲面対応によって動機付けられた手法を用いて,相関測度をバルク面の線形結合としてホログラフ双対を構成する。
論文参考訳（メタデータ） (2020-07-22T18:00:01Z)
On Disentangled Representations Learned From Correlated Data [59.41587388303554]
相関データに対する最も顕著な絡み合うアプローチの挙動を解析することにより、現実のシナリオにギャップを埋める。本研究では,データセットの体系的相関が学習され,潜在表現に反映されていることを示す。また、トレーニング中の弱い監督や、少数のラベルで事前訓練されたモデルを修正することで、これらの潜伏相関を解消する方法を実証する。
論文参考訳（メタデータ） (2020-06-14T12:47:34Z)

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。