論文の概要: Amplification, inference, and the manifestation of objective classical information

• arxiv url: http://arxiv.org/abs/2206.02805v1
• Date: Mon, 6 Jun 2022 18:00:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-10 09:23:44.400988
• Title: Amplification, inference, and the manifestation of objective classical information
• Title（参考訳）: 客観的古典情報の増幅・推論・表現
• Authors: Michael Zwolak
• Abstract要約: Touilらは、量子古典状態(量子$mathcalS$から測定値$mathcalF$)から異なるホレボ量を調査した。 良いデコヒーレンスが存在する場合、x2013$, $mathcalE/mathcalF$ は量子チャネル $mathcalE/mathcalF$ によってしばしばアクセスされる。 特定のモデルでは、アクセス可能な情報は最適検出のための誤差確率と関連付けられ、したがって量子チャーンと同じ振る舞いを持つ。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Our everyday reality is characterized by objective information$\unicode{x2013}$information that is selected and amplified by the environment that interacts with quantum systems. Many observers can accurately infer that information indirectly by making measurements on fragments of the environment. The correlations between the system, $\mathcal{S}$, and a fragment, $\mathcal{F}$, of the environment, $\mathcal{E}$, is often quantified by the quantum mutual information or the Holevo quantity that bounds the classical information about $\mathcal{S}$ transmittable by a quantum channel $\mathcal{F}$. The latter is a quantum mutual information but of a classical-quantum state where measurement has selected outcomes on $\mathcal{S}$. The measurement generically reflects the influence of the remaining environment, $\mathcal{E}/\mathcal{F}$, but can also reflect hypothetical questions to deduce the structure of $\mathcal{S}\mathcal{F}$ correlations. Recently, Touil et al. examined a different Holevo quantity, one from a quantum-classical state (a quantum $\mathcal{S}$ to a measured $\mathcal{F}$). As shown here, this quantity upper bounds any accessible classical information about $\mathcal{S}$ in $\mathcal{F}$ and can yield a tighter bound than the typical Holevo quantity. When good decoherence is present$\unicode{x2013}$when the remaining environment, $\mathcal{E}/\mathcal{F}$, has effectively measured the pointer states of $\mathcal{S}$$\unicode{x2013}$this accessibility bound is the accessible information. For the specific model of Touil et al., the accessible information is related to the error probability for optimal detection and, thus, has the same behavior as the quantum Chernoff bound. The latter reflects amplification and provides a universal approach, as well as a single-shot framework, to quantify records of the missing, classical information about $\mathcal{S}$.
• Abstract（参考訳）: 我々の日常生活は、量子システムと相互作用する環境によって選択され増幅される客観的情報$\unicode{x2013}$informationによって特徴づけられる。 多くの観測者は、環境の断片を計測することで、その情報を間接的に正確に推測することができる。 システムの相関である$\mathcal{S}$と、環境のフラグメントである$\mathcal{F}$は、量子相互情報や、量子チャネル$\mathcal{F}$によって送信される$\mathcal{S}$に関する古典的な情報を束縛するホルレヴォ量によって、しばしば定量化される。 後者は量子相互情報であるが、測定結果が $\mathcal{S}$ で選択された古典量子状態である。 この測定は、残りの環境である$\mathcal{e}/\mathcal{f}$の影響を総称的に反映するが、$\mathcal{s}\mathcal{f}$相関の構造を推測する仮説的な疑問を反映することもできる。 touilらは最近、量子古典状態(量子$\mathcal{s}$から測定された$\mathcal{f}$)から異なるホールボ量を調べた。 上述の通り、この量は$\mathcal{S}$ in $\mathcal{F}$に関する任意の古典的情報を上界とし、典型的なホレヴォ量よりも厳密な境界が得られる。 良いデコヒーレンスが存在する場合、$\unicode{x2013}$ 残りの環境では、$\mathcal{E}/\mathcal{F}$ は、$\mathcal{S}$$\unicode{x2013}$ このアクセシビリティ境界がアクセス可能な情報である。 touil et al. の特定のモデルでは、アクセス可能な情報は最適検出の誤差確率と関連しており、従って量子チャーンオフ境界と同じ振舞いを持つ。 後者は増幅を反映し、シングルショットフレームワークと同様に、$\mathcal{S}$に関する古典的な情報の欠如を定量化する普遍的なアプローチを提供する。

関連論文リスト

• New Bounds on Quantum Sample Complexity of Measurement Classes [18.531114735719274]
  本稿では量子状態からの古典的推論のための量子教師あり学習について研究する。 学習の難しさは、よく知られたほぼ正しい(PAC)量子対して、サンプルの複雑さによって測定される
  論文  参考訳（メタデータ） (2024-08-22T18:43:13Z)
• Neural network learns low-dimensional polynomials with SGD near the information-theoretic limit [75.4661041626338]
  単一インデックス対象関数 $f_*(boldsymbolx) = textstylesigma_*left(langleboldsymbolx,boldsymbolthetarangleright)$ の等方的ガウスデータの下で勾配降下学習の問題を考察する。 SGDアルゴリズムで最適化された2層ニューラルネットワークは、サンプル付き任意のリンク関数の$f_*$を学習し、実行時の複雑さは$n asymp T asymp C(q) cdot dであることを示す。
  論文  参考訳（メタデータ） (2024-06-03T17:56:58Z)
• Locally Tomographic Shadows (Extended Abstract) [0.0]
  LT$(mathcalC,mathbfV)$は、局所エージェント制御系で観測可能な現象を表す。 いくつかのグローバルな異なる状態は、LT$(mathcalC,mathbfV)$で局所的に区別できない。
  論文  参考訳（メタデータ） (2023-08-31T06:57:20Z)
• Effective Minkowski Dimension of Deep Nonparametric Regression: Function Approximation and Statistical Theories [70.90012822736988]
  ディープ非パラメトリック回帰に関する既存の理論は、入力データが低次元多様体上にある場合、ディープニューラルネットワークは本質的なデータ構造に適応できることを示した。 本稿では,$mathcalS$で表される$mathbbRd$のサブセットに入力データが集中するという緩和された仮定を導入する。
  論文  参考訳（メタデータ） (2023-06-26T17:13:31Z)
• Nonlocality under Computational Assumptions [51.020610614131186]
  相関の集合が非局所であるとは、空間的分離な当事者がランダム性を共有し、局所的な操作を実行することによって再現できないことである。 ランダム性や量子時間計算によって再現できない局所的な(効率のよい)測定結果が存在することを示す。
  論文  参考訳（メタデータ） (2023-03-03T16:53:30Z)
• Quantum Resources Required to Block-Encode a Matrix of Classical Data [56.508135743727934]
  回路レベルの実装とリソース推定を行い、古典データの高密度な$Ntimes N$行列をブロックエンコードして$epsilon$を精度良くすることができる。 異なるアプローチ間のリソーストレードオフを調査し、量子ランダムアクセスメモリ(QRAM)の2つの異なるモデルの実装を検討する。 我々の結果は、単純なクエリの複雑さを超えて、大量の古典的データが量子アルゴリズムにアクセスできると仮定された場合のリソースコストの明確な図を提供する。
  論文  参考訳（メタデータ） (2022-06-07T18:00:01Z)
• Uncertainties in Quantum Measurements: A Quantum Tomography [52.77024349608834]
  量子系 $S$ に関連する可観測物は非可換代数 $mathcal A_S$ を形成する。 密度行列 $rho$ は可観測物の期待値から決定できると仮定される。 アーベル代数は内部自己同型を持たないので、測定装置は可観測物の平均値を決定することができる。
  論文  参考訳（メタデータ） (2021-12-14T16:29:53Z)
• Eavesdropping on the Decohering Environment: Quantum Darwinism, Amplification, and the Origin of Objective Classical Reality [2.6201302445459373]
  上記の全てを計算できる不完全なc-notゲートに基づくモデルを考える。 量子的相互情報や、アクセス可能な情報の様々な境界など、関連するすべての量は、同様の振る舞いを示す。
  論文  参考訳（メタデータ） (2021-06-30T18:01:19Z)
• Generalization in Quantum Machine Learning: a Quantum Information Perspective [0.0]
  q$の異なる特性が分類の正確性と一般化にどのように影響するかを示す。 我々は、精度と一般化の間の様々なトレードオフを探索できる、Information Bottleneckの原理の量子バージョンを導入する。
  論文  参考訳（メタデータ） (2021-02-17T19:35:21Z)
• Correlations in geometric states [0.0]
  幾何状態の凸結合が幾何状態にはならないことを示す。 トリパルタイトのKoashi-Winter関係を用いて、$A$と$B$の間の量子的および古典的相関をホレヴォ情報として表すことができる。
  論文  参考訳（メタデータ） (2020-03-09T06:09:25Z)
• Quantum Coupon Collector [62.58209964224025]
  我々は、$k$-要素集合$Ssubseteq[n]$が、その要素の一様重ね合わせ$|Srangleからいかに効率的に学習できるかを研究する。 我々は、$k$と$n$ごとに必要となる量子サンプルの数に厳密な制限を与え、効率的な量子学習アルゴリズムを与える。
  論文  参考訳（メタデータ） (2020-02-18T16:14:55Z)

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。