論文の概要: New Limits on Spontaneous Wave Function Collapse Models with the XENONnT Data

• arxiv url: http://arxiv.org/abs/2209.15082v2
• Date: Tue, 3 Jan 2023 19:44:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-24 10:06:23.704619
• Title: New Limits on Spontaneous Wave Function Collapse Models with the XENONnT Data
• Title（参考訳）: XENONNTデータを用いた自然波動関数崩壊モデルに関する新しい限界
• Authors: Inwook Kim
• Abstract要約: 我々は、量子力学の客観的波動関数崩壊モデルにより予測された自発X線放射特性のXENONnTデータの解析を行った。 非常に低い背景と大きな露光により、XENONnTデータは、Ghirardi、Rhimini、Weberによって提案された連続自然局在化(CSL)モデルの理論的に予測された崩壊パラメータを完全に排除することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We have analyzed recently published XENONnT data for the spontaneous X-ray emission signature predicted by the objective wave function collapse model of quantum mechanics. With extremely low background and large exposure, XENONnT data can be used to completely exclude the theoretically predicted collapse parameters of continuous spontaneous localization~(CSL) model suggested by Ghirardi, Rhimini and Weber. Our result strongly suggests that the simplest version of the CSL model with the white-noise assumption is unlikely to provide answers to the long-standing measurement problem of quantum mechanics and motivates pursuits of more complex versions of the theory. If the result is interpreted with the Di\'{o}si-Penrose gravitational wave function collapse model, our limit improves the previous limit by a factor of 5.7. Detailed analysis using more precise background modelling can further improve the limits.
• Abstract（参考訳）: 我々は、量子力学の客観的波動関数崩壊モデルにより予測された自発X線放射特性のXENONnTデータの解析を行った。 極めて低い背景と大きな露光により、xenonntデータは、ghirardi、rhimini、weberによって提案された連続的自発的局在(csl)モデルの理論的に予測された崩壊パラメータを完全に排除することができる。 以上の結果から, ホワイトノイズ仮定によるCSLモデルの最も単純なバージョンは, 量子力学の長年にわたる測定問題に対する答えを得られず, 理論のより複雑なバージョンを追求する動機となる可能性が示唆された。 結果がDi\'{o}si-Penrose重力波関数崩壊モデルで解釈された場合、我々の極限は前の限界を5.7倍改善する。 より正確な背景モデリングを用いた詳細な分析により、限界をさらに改善することができる。

関連論文リスト

• Causal Deciphering and Inpainting in Spatio-Temporal Dynamics via Diffusion Model [45.45700202300292]
  CaPaintは2段階のプロセスで因果推論能力を備えたデータとエンドウモデルの因果領域を特定することを目的としている。 微調整未条件拡散確率モデル(DDPM)を生成前として, 環境成分として定義されたマスクを埋め込む。 5つの実世界のSTベンチマークで実施された実験は、CaPaintの概念の統合により、モデルが4.3%から77.3%の改善を達成できることを示した。
  論文  参考訳（メタデータ） (2024-09-29T08:18:50Z)
• Non-asymptotic bounds for forward processes in denoising diffusions: Ornstein-Uhlenbeck is hard to beat [49.1574468325115]
  本稿では,全変動(TV)における前方拡散誤差の非漸近的境界について述べる。 我々は、R$からFarthestモードまでの距離でマルチモーダルデータ分布をパラメライズし、加法的および乗法的雑音による前方拡散を考察する。
  論文  参考訳（メタデータ） (2024-08-25T10:28:31Z)
• Is Temperature Sample Efficient for Softmax Gaussian Mixture of Experts? [27.924615931679757]
  本研究は,MoEの下での最大推定値に対する専門家(MoE)の密度-スパース混合の影響について検討する。 本稿では,線形層の出力を活性化関数にルーティングし,ソフトマックス関数に伝達する新しいアクティベーション・トゥ・スパースゲートを提案する。
  論文  参考訳（メタデータ） (2024-01-25T01:09:09Z)
• Extrapolation of polaron properties to low phonon frequencies by Bayesian machine learning [0.0]
  正確な量子計算の実現可能性はしばしば、数値計算に必要な切り離されたヒルベルト空間の次元性によって制限される。 本研究は,効果的に低次元ヒルベルト空間における量子特性を用いたベイズ機械学習(ML)モデルを実証する。
  論文  参考訳（メタデータ） (2023-12-15T18:04:41Z)
• Structured Low-Rank Tensors for Generalized Linear Models [15.717917936953718]
  一般化線形モデル(GLM)問題における低分離ランク(LSR)と呼ばれる新しい低ランクテンソルモデルについて検討する。 LSRモデルは有名なTuckerとCANDECOMP/PARAFAC(CP)モデルを一般化する。 合成データセットの実験は、3つの回帰型に対して提案したLSRテンソルモデルの有効性を示した。
  論文  参考訳（メタデータ） (2023-08-05T17:20:41Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• A Neural PDE Solver with Temporal Stencil Modeling [44.97241931708181]
  最近の機械学習(ML)モデルでは、高解像度信号において重要なダイナミクスを捉えることが約束されている。 この研究は、低解像度のダウンサンプリング機能で重要な情報が失われることがしばしばあることを示している。 本稿では,高度な時系列シーケンスモデリングと最先端のニューラルPDEソルバの強みを組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-02-16T06:13:01Z)
• New insights on the quantum-classical division in light of Collapse Models [63.942632088208505]
  量子的挙動と古典的挙動の分断は熱力学的相の分断と類似していると主張する。 崩壊パラメータ $(lambda)$ と崩壊長スケール$r_C$ との特定の関係は、通常の熱力学相図における共存曲線の役割を担っている。
  論文  参考訳（メタデータ） (2022-10-19T14:51:21Z)
• Conditional-Flow NeRF: Accurate 3D Modelling with Reliable Uncertainty Quantification [44.598503284186336]
  Conditional-Flow NeRF (CF-NeRF) は、不確実な定量化をNeRFベースのアプローチに組み込む新しい確率的フレームワークである。 CF-NeRFは、モデル化されたシーンに関連する不確実性を定量化するために使用される全ての可能な放射場モデリング上の分布を学習する。
  論文  参考訳（メタデータ） (2022-03-18T23:26:20Z)
• Gravity-related collapse of the wave function and spontaneous heating: revisiting the experimental bounds [0.0]
  DPモデルのパラメータフリー版は,極低温における標準熱漏れ測定によりほぼ排除される。 この結果は、自然発生のX線放射実験によって推定される排除の最近の主張を強化することになる。
  論文  参考訳（メタデータ） (2021-09-30T10:21:42Z)
• A Sparse Model of Quantum Holography [0.0]
  本研究では,ランダムプルーニング法あるいは正規ハイパーグラフをランダムにサンプリングすることにより,ランダムなハイパーグラフ上に定義されたSachdev-Ye-Kitaev(SYK)モデルのスパースバージョンについて検討する。 この疎いSYKモデルは、$k$が順序ユニティである場合でも、通常のSYKの興味深い大域物理学を復元する。 従来のSYK経路積分とギャップ付き揺らぎを再現するスパースモデルのための経路積分を構築することで、議論を進めた。
  論文  参考訳（メタデータ） (2020-08-05T18:21:42Z)

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。