論文の概要: Network nonlocality sharing via weak measurements in the generalized star network configuration

• arxiv url: http://arxiv.org/abs/2206.03100v2
• Date: Mon, 25 Jul 2022 08:42:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-10 06:55:08.352923
• Title: Network nonlocality sharing via weak measurements in the generalized star network configuration
• Title（参考訳）: 一般化スターネットワーク構成における弱測定によるネットワーク非局所性共有
• Authors: Jian-Hui Wang, Ya-Jie Wang, Liu-Jun Wang and Qing Chen
• Abstract要約: ネットワーク非局所性は、標準的な量子非局所性と比較して全く新しい量子相関を示す。 弱い測定によって一般化された双局所シナリオで共有することができる。
• 参考スコア（独自算出の注目度）: 5.203042650294495
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Network nonlocality exhibits completely novel quantum correlations compared to standard quantum nonlocality. It has been shown that network nonlocality can be shared in a generalized bilocal scenario via weak measurements [Phys. Rev. A. 105, 042436 (2022)]. In this paper, we investigate network nonlocality sharing via weak measurements in a generalized star-shaped network configuration with arbitrary numbers of unbiased dichotomic input $k$, which includes $n$ branches and adds ($m$-1) more parties in each branch to the original star network $(n, m=1, k=2)$ scenario. It is shown that network nonlocality sharing among all observers can be revealed from simultaneous violation of $2^n$ inequalities in the ($n, m=2, k=2$) and ($n, m=2, k=3$) scenarios for any $n$ branches. The noise resistance of network nonlocality sharing with a precise noise model is also analyzed.
• Abstract（参考訳）: ネットワーク非局所性は、標準量子非局所性と比較して全く新しい量子相関を示す。 ネットワーク非局所性は、弱い測定(Phys. Rev. A. 105, 042436 (2022))を通して一般化された双局所シナリオで共有できることが示されている。 本稿では,n$ブランチを含む任意の数の非バイアス付きジコトミック入力$k$で,元のスターネットワーク$(n, m=1, k=2)のシナリオに対して,各ブランチに(m$-1)以上のパーティを追加して,弱測定によるネットワーク非局所性共有を検討する。 n, m=2, k=2$) と (n, m=2, k=3$) のシナリオにおける 2^n$ の不等式を同時に破ることで、すべてのオブザーバー間のネットワーク非局所性共有が明らかになることが示された。 また,ネットワーク非局所性共有のノイズ抵抗を高精度なノイズモデルで解析した。

関連論文リスト

• $(n,m,p)$-type quantum network configuration and its nonlocality [0.0]
  遠方ノード間の量子ネットワーク共有絡み線源により、適切な測定により、ネットワークに沿った絡線を分散することができる。 ネットワーク非局所性は、独立したソースから出力されるローカル変数を含むネットワークモデルを認めないことを意味する。
  論文  参考訳（メタデータ） (2024-04-02T13:54:32Z)
• Sharing nonlocality in a network using the quantum violation of chain network inequality [0.9948874862227255]
  任意の$m$入力に対するスターネットワークにおける適切な$n$局所不等式に対する量子違反に基づいて、ネットワーク内の非局所性の共有を実証する。 ネットワーク内での非局所性共有には2つの異なる種類が考えられる。
  論文  参考訳（メタデータ） (2023-11-08T06:50:41Z)
• Computational Complexity of Learning Neural Networks: Smoothness and Degeneracy [52.40331776572531]
  ガウス入力分布下での学習深度3$ReLUネットワークはスムーズな解析フレームワークにおいても困難であることを示す。 この結果は, 局所擬似乱数発生器の存在についてよく研究されている。
  論文  参考訳（メタデータ） (2023-02-15T02:00:26Z)
• Generalized $n$-locality inequalities in linear-chain network for arbitrary inputs scenario and their quantum violations [1.3452510519858996]
  ネットワーク内の多部非局所性は、概念的には標準多部ベル非局所性とは異なる。 任意の$n$に対して線形鎖ネットワークに対して、一般化された$n$-局所性不等式の族を導出する。 最適量子違反は、相互に反可換化するために、エッジパーティの観測可能性を必要とすることを示す。
  論文  参考訳（メタデータ） (2022-12-29T14:43:28Z)
• Certification of non-classicality in all links of a photonic star network without assuming quantum mechanics [52.95080735625503]
  完全なネットワーク非局所性は、少なくとも1つの情報源が古典的であるモデルに偽装することで、ネットワークの標準的な非局所性を超えている。 本報告では,3つの独立したフォトニック量子ビット源と3量子絡み合せスワッピング測定を備えた星型ネットワークにおける全ネットワーク非局所性の観測について報告する。
  論文  参考訳（メタデータ） (2022-12-19T19:00:01Z)
• On the Effective Number of Linear Regions in Shallow Univariate ReLU Networks: Convergence Guarantees and Implicit Bias [50.84569563188485]
  我々は、ラベルが$r$のニューロンを持つターゲットネットワークの符号によって決定されるとき、勾配流が方向収束することを示す。 我々の結果は、標本サイズによらず、幅が$tildemathcalO(r)$である、緩やかなオーバーパラメータ化をすでに維持しているかもしれない。
  論文  参考訳（メタデータ） (2022-05-18T16:57:10Z)
• Characterizing nonlocal correlations through various $n$-locality inequlities in quantum network [0.0]
  マルチパート量子ネットワークは複数の独立したソースを特徴とする。 ネットワークの非局所性は、各ソースが2ビットの絡み合った状態を生成するときに探索されている。 スターネットワーク構成における新しい$n$-locality不等式を提案する。
  論文  参考訳（メタデータ） (2021-12-29T14:44:09Z)
• Robustness Certificates for Implicit Neural Networks: A Mixed Monotone Contractive Approach [60.67748036747221]
  暗黙のニューラルネットワークは、競合性能とメモリ消費の削減を提供する。 入力逆流の摂動に関して、それらは不安定なままである。 本稿では,暗黙的ニューラルネットワークのロバスト性検証のための理論的および計算的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-12-10T03:08:55Z)
• The Separation Capacity of Random Neural Networks [78.25060223808936]
  標準ガウス重みと一様分布バイアスを持つ十分に大きな2層ReLUネットワークは、この問題を高い確率で解くことができることを示す。 我々は、相互複雑性という新しい概念の観点から、データの関連構造を定量化する。
  論文  参考訳（メタデータ） (2021-07-31T10:25:26Z)
• Full network nonlocality [68.8204255655161]
  ネットワーク内のすべてのリンクが非ローカルリソースを分散するために必要となる相関関係を記述した完全ネットワーク非ローカル性の概念を導入する。 最もよく知られているネットワークベル試験では,ネットワークの非局所性は見られていない。 より一般に、ネットワーク内の局所的および理論に依存しない相関を解析するための確立された手法は、完全なネットワーク非局所性のための十分な条件を導出するために組み合わせることができると指摘する。
  論文  参考訳（メタデータ） (2021-05-19T18:00:02Z)

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。