論文の概要: Simplicial distributions, convex categories and contextuality
- arxiv url: http://arxiv.org/abs/2211.00571v1
- Date: Tue, 1 Nov 2022 16:33:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-20 19:26:44.140078
- Title: Simplicial distributions, convex categories and contextuality
- Title(参考訳): 単純分布、凸圏および文脈性
- Authors: Aziz Kharoof, Cihan Okay
- Abstract要約: 単純分布 (simplicial distribution) は、測度と結果の集合を空間に高めることによって確率分布の前層を拡張するモデルである。
本稿では,カテゴリー的視点から簡潔な分布を研究するために,凸圏の概念を紹介する。
simplicial distribution is noncontextual if and only if it is weakly invertible。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The data of a physical experiment can be represented as a presheaf of
probability distributions. A striking feature of quantum theory is that those
probability distributions obtained in quantum mechanical experiments do not
always admit a joint probability distribution, a celebrated observation due to
Bell. Such distributions are called contextual. Simplicial distributions are
combinatorial models that extend presheaves of probability distributions by
elevating sets of measurements and outcomes to spaces. Contextuality can be
defined in this generalized setting. This paper introduces the notion of convex
categories to study simplicial distributions from a categorical perspective.
Simplicial distributions can be given the structure of a convex monoid, a
convex category with a single object, when the outcome space has the structure
of a group. We describe contextuality as a monoid-theoretic notion by
introducing a weak version of invertibility for monoids. Our main result is
that a simplicial distribution is noncontextual if and only if it is weakly
invertible. Similarly, strong contextuality and contextual fraction can be
characterized in terms of invertibility in monoids. Finally, we show that
simplicial homotopy can be used to detect extremal simplicial distributions
refining the earlier methods based on Cech cohomology and the cohomology of
groups.
- Abstract(参考訳): 物理実験のデータは確率分布の前駆体として表現することができる。
量子論の顕著な特徴は、量子力学実験で得られた確率分布は、ベルによる祝福された観測である合同確率分布を必ずしも含まないことである。
このような分布を文脈と呼ぶ。
単純分布 (simplicial distributions) は、確率分布の前層を拡張する組合せモデルである。
文脈性はこの一般化された設定で定義できる。
本稿では,カテゴリー的視点から単純な分布を研究するための凸圏の概念を紹介する。
単純分布は、結果空間が群の構造を持つとき、単一の対象を持つ凸圏である凸モノイドの構造を与えることができる。
文脈性はモノイドに対する可逆性の弱いバージョンを導入することによってモノイド理論的な概念として記述する。
我々の主な結果は、単純分布が非文脈的であることと弱可逆であることである。
同様に、強い文脈性と文脈分数もモノイドの可逆性の観点から特徴づけることができる。
最後に,cechコホモロジーと群のコホモロジーに基づく初期の手法を精査する極値単純分布を検出するために,単純ホモトピーが利用できることを示す。
関連論文リスト
- Theory on Score-Mismatched Diffusion Models and Zero-Shot Conditional Samplers [49.97755400231656]
本報告では,明示的な次元の一般スコアミスマッチ拡散サンプリング器を用いた最初の性能保証について述べる。
その結果, スコアミスマッチは, 目標分布とサンプリング分布の分布バイアスとなり, 目標分布とトレーニング分布の累積ミスマッチに比例することがわかった。
この結果は、測定ノイズに関係なく、任意の条件モデルに対するゼロショット条件付きサンプリングに直接適用することができる。
論文 参考訳(メタデータ) (2024-10-17T16:42:12Z) - Identifiable Latent Neural Causal Models [82.14087963690561]
因果表現学習は、低レベルの観測データから潜伏した高レベルの因果表現を明らかにすることを目指している。
因果表現の識別可能性に寄与する分布シフトのタイプを決定する。
本稿では,本研究の成果を実用的なアルゴリズムに翻訳し,信頼性の高い潜在因果表現の取得を可能にする。
論文 参考訳(メタデータ) (2024-03-23T04:13:55Z) - Theoretical Insights for Diffusion Guidance: A Case Study for Gaussian
Mixture Models [59.331993845831946]
拡散モデルは、所望の特性に向けてサンプル生成を操るために、スコア関数にタスク固有の情報を注入することの恩恵を受ける。
本稿では,ガウス混合モデルの文脈における拡散モデルに対する誘導の影響を理解するための最初の理論的研究を提供する。
論文 参考訳(メタデータ) (2024-03-03T23:15:48Z) - Topological methods for studying contextuality: $N$-cycle scenarios and
beyond [0.0]
単純分布 (simplicial distributions) は、文脈性シナリオを一般化する測定と結果の空間上の分布を記述するモデルである。
本稿では,新しいトポロジカル手法を導入して,2次元計測空間上の単純分布について検討する。
論文 参考訳(メタデータ) (2023-06-02T11:36:31Z) - Simplicial quantum contextuality [0.0]
ホモトピー理論において顕著な役割を果たす位相空間のモデルであるsimplicial setに基づく文脈性のための新しい枠組みを導入する。
提案手法は,測定シナリオを,測定結果の空間(集合ではなく)に拡張する。
ベルシナリオにおける非文脈性を特徴づけるためのファインの定理の新しい証明をトポロジカルに着想を得たものである。
論文 参考訳(メタデータ) (2022-04-13T22:03:28Z) - Generic aspects of the resource theory of quantum coherence [0.0]
2つの$n$-次元純状態が自然一様分布に従って独立に選択された場合、それらの状態が$nrightarrowinfty$に匹敵する確率が証明される。
また、非コヒーレント変換の最大成功確率について検討し、その大きな$n$分布の明示的な公式を求める。
論文 参考訳(メタデータ) (2020-10-13T16:38:52Z) - Distributional Reinforcement Learning via Moment Matching [54.16108052278444]
ニューラルネットワークを用いて各戻り分布から統計量の有限集合を学習する手法を定式化する。
我々の手法は、戻り分布とベルマン目標の間のモーメントの全ての順序を暗黙的に一致させるものとして解釈できる。
Atariゲームスイートの実験により,本手法は標準分布RLベースラインよりも優れていることが示された。
論文 参考訳(メタデータ) (2020-07-24T05:18:17Z) - Contextuality scenarios arising from networks of stochastic processes [68.8204255655161]
経験的モデルは、その分布が X 上の合同分布を極小化することができなければ文脈的と言える。
我々は、多くのプロセス間の相互作用という、文脈的経験的モデルの異なる古典的な源泉を示す。
長期にわたるネットワークの統計的挙動は、経験的モデルを一般的な文脈的かつ強い文脈的にする。
論文 参考訳(メタデータ) (2020-06-22T16:57:52Z) - On the complex behaviour of the density in composite quantum systems [62.997667081978825]
本研究では, 複合フェルミオン系における粒子の存在確率について検討した。
非摂動特性であることが証明され、大/小結合定数双対性を見出す。
KAM定理の証明に触発されて、これらの小さな分母を排除したエネルギーのカットオフを導入することで、この問題に対処できる。
論文 参考訳(メタデータ) (2020-04-14T21:41:15Z) - At the Interface of Algebra and Statistics [0.0]
この論文は量子物理学からインスピレーションを得て、代数と統計学の界面にある数学的構造を研究する。
有限集合上のすべての合同確率分布は階数 1 の密度作用素としてモデル化できる。
条件付き確率に類似していることを示し、固有ベクトルが元の関節分布に固有の「概念」を捕捉する程度について調べる。
論文 参考訳(メタデータ) (2020-04-12T15:22:07Z)
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。