論文の概要: Automated Generation of Arbitrarily Many Kochen-Specker and Other
Contextual Sets in Odd Dimensional Hilbert Spaces
- arxiv url: http://arxiv.org/abs/2202.08197v4
- Date: Mon, 9 Jan 2023 23:24:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-25 16:28:23.813257
- Title: Automated Generation of Arbitrarily Many Kochen-Specker and Other
Contextual Sets in Odd Dimensional Hilbert Spaces
- Title（参考訳）: オッド次元ヒルベルト空間における任意多数コッチェンスペクトルおよびその他の文脈集合の自動生成
- Authors: Mladen Pavicic and Norman. D. Megill
- Abstract要約: 任意の次元において任意に多くのコンテキストKSと非KSを自動生成する3つの方法を提案する。
もともとの Kochen-Specker 集合に対する明示的なベクトルは、これまでは知られていなかったが、現在では 24 個のベクトル成分からそれらを生成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Development of quantum computation and communication, recently shown to be
supported by contextuality, arguably asks for a requisite supply of contextual
sets. While that has been achieved in even dimensional spaces, in odd
dimensional spaces only a dozen contextual critical Kochen-Specker (KS) sets
have been found so far. In this paper we give three methods for automated
generation of arbitrarily many contextual KS and non-KS sets in any dimension
for possible future application and implementation and we employ them to obtain
millions of KS and other contextual sets in dimensions 3, 5, 7, and 9 where
previously only a handful of sets have been found. Also, no explicit vectors
for the original Kochen-Specker set were known so far, while we now generate
them from 24 vector components.
- Abstract（参考訳）: 最近コンテキスト性によってサポートされていることが示されている量子計算と通信の開発は、間違いなくコンテキストセットの必要な供給を要求する。
これは偶数次元空間で達成されているが、奇数次元空間では、これまでに十数個の文脈批判的コチェン・スペクター (KS) 集合のみが発見されている。
本稿では,任意の次元で任意の数の文脈 ks と非 k 集合を自動的に生成する3つの手法を提案し,それを用いて,従来は一握りの集合しか見つからなかった次元 3, 5, 7, 9 において,数百万の ks や他の文脈集合を得る。
また、元のKochen-Specker集合に対する明示的なベクトルは今まで知られていなかったが、現在では24個のベクトル成分からそれらを生成する。
関連論文リスト
- Unlocking Tokens as Data Points for Generalization Bounds on Larger Language Models [79.70436109672599]
LLaMA2-70Bほどの大きさの大規模言語モデルの非空一般化境界を導出する。
我々の研究は、実際にデプロイされ、高品質なテキストを生成するモデルに対する最初の非空き境界を達成する。
論文 参考訳（メタデータ） (2024-07-25T16:13:58Z) - Maximal Non-Kochen-Specker Sets and a Lower Bound on the Size of
Kochen-Specker Sets [1.5163329671980246]
Kochen-Specker (KS) 集合は、反ポッド対を持たない二球面上のベクトルの有限集合である。
KS集合の存在は、コチェンとスペクターの非文脈的隠れ変数理論に対する議論の中心にある。
論文 参考訳（メタデータ） (2024-03-08T11:38:16Z) - Non-Kochen-Specker Contextuality [0.0]
任意の次元で非コッシェン・スペクターハイパーグラフを生成する方法を示す。
我々の自動生成は確率的かつランダムであるが、蓄積されたデータの統計により、必要なサイズと構造を持つ集合をフィルタリングすることができる。
論文 参考訳（メタデータ） (2023-07-30T23:16:36Z) - A SAT Solver and Computer Algebra Attack on the Minimum Kochen-Specker Problem [14.693394941317843]
本稿では,ブール充足可能性解法と計算機代数システムを組み合わせた検証可能な新しい証明生成法を提案する。
提案手法は、3次元のKS系が少なくとも24個のベクトルを含む必要があることを示す。
また, KS問題に対して, 順序23の40.3 TiBの低い値のコンピュータ検証証明を初めて提供した。
論文 参考訳（メタデータ） (2023-06-23T06:42:59Z) - New and improved bounds on the contextuality degree of multi-qubit configurations [0.0699049312989311]
我々は,量子的文脈性を明らかにし,文脈性度を評価するアルゴリズムとCコードを提案する。
この論文はまずアルゴリズムとC符号を記述し、次に2から7の範囲のシンプレクティック極空間の多くの部分空間にその力を示す。
i) 文脈が次元 2 以上の部分空間である構成の非コンテキスト性、(ii) 次元 3 以上の負の部分空間の非存在性。
論文 参考訳（メタデータ） (2023-05-17T14:02:57Z) - Generation of Kochen-Specker contextual sets in higher dimensions by dimensional upscaling whose complexity does not scale with dimension and their applications [0.0]
我々は,次元を拡大しない次元アップスケーリング法を設計する。
最大27次元空間で管理可能なサイズのKochen-Specker(KS)マスターセットを生成する。
より高次元のKS集合を扱う3種類の応用について論じる。
論文 参考訳（メタデータ） (2023-05-14T22:20:19Z) - Quantifying Qubit Magic Resource with Gottesman-Kitaev-Preskill Encoding [58.720142291102135]
我々は、ほとんどのフォールトトレラント量子コンピュータにおいて、魔法のリソース測度、探索特性を定義する。
我々の定式化は、連続変数量子計算におけるボソニック符号、よく研究されたツールに基づいている。
論文 参考訳（メタデータ） (2021-09-27T12:56:01Z) - Quantum verification and estimation with few copies [63.669642197519934]
大規模絡み合ったシステムの検証と推定は、信頼性の高い量子情報処理にそのようなシステムを用いる際の大きな課題の1つである。
本稿では,資源の一定数(サンプリング複雑性)に着目し,任意の次元のシステムに適していることを示す。
具体的には、量子状態トモグラフィー(quantum state tomography)の概念とともに、エンタングルメント検出のために少なくとも1つのコピーだけを必要とする確率的フレームワークをレビューする。
論文 参考訳（メタデータ） (2021-09-08T18:20:07Z) - Intrinsic Probing through Dimension Selection [69.52439198455438]
現代のほとんどのNLPシステムは、様々なタスクにおいて驚くほど高いパフォーマンスが得られる事前訓練された文脈表現を使用している。
このような高いパフォーマンスは、ある種の言語構造がこれらの表現に根ざしない限りはあり得ず、それを探究する研究が盛んに行われている。
本稿では,言語情報が表現内でどのように構造化されているかを示す内在的探索と,先行研究で広く普及している外在的探索とを区別し,抽出に成功したことを示すことによって,そのような情報の存在を主張するのみである。
論文 参考訳（メタデータ） (2020-10-06T15:21:08Z) - 3D Sketch-aware Semantic Scene Completion via Semi-supervised Structure
Prior [50.73148041205675]
セマンティック・シーン・コンプリート(SSC)タスクの目標は、単一視点で観察することで、ボリューム占有率とシーン内のオブジェクトの意味ラベルの完全な3Dボクセル表現を同時に予測することである。
低解像度のボクセル表現で深度情報を埋め込む新しい幾何学的手法を提案する。
提案手法は,SSCフレームワークからの深度特徴学習よりも有効である。
論文 参考訳（メタデータ） (2020-03-31T09:33:46Z) - Learn to Predict Sets Using Feed-Forward Neural Networks [63.91494644881925]
本稿では、ディープフィードフォワードニューラルネットワークを用いた設定予測の課題に対処する。
未知の置換と基数を持つ集合を予測するための新しい手法を提案する。
関連視覚問題に対する集合定式化の有効性を実証する。
論文 参考訳（メタデータ） (2020-01-30T01:52:07Z)
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。