論文の概要: The Neverending Story of the Eternal Wormhole and the Noisy Sycamore
- arxiv url: http://arxiv.org/abs/2301.03522v3
- Date: Thu, 18 May 2023 15:52:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-19 20:23:31.143813
- Title: The Neverending Story of the Eternal Wormhole and the Noisy Sycamore
- Title（参考訳）: 永遠のワームホールとノイジー・シカモアの永遠の物語
- Authors: Galina Weinstein
- Abstract要約: Daniel JafferisらによるNatureの論文 "Traversable wormhole dynamics on a quantum processor"
Ian Hacking(イアン・ハック)の思い出における実験について、いくつかの哲学的課題について検討する。
私はこの論文を、学習されたハミルトンの文脈におけるこの最近の発展に関する哲学的なコメントで締めくくります。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: There has been a great buzz surrounding Daniel Jafferis et al.'s latest
Nature paper, "Traversable wormhole dynamics on a quantum processor". The
Nature paper discusses an experiment in which Google's Sycamore quantum
processor is used to simulate a sparse N = 7 SYK model with 5 terms (a learned
Hamiltonian). The Nature paper shows that the learned Hamiltonian preserves the
key gravitational characteristics of an N = 10 SYK model with 210 terms and is
sufficient to produce a traversable wormhole behavior. I will examine the
experiment and discuss some philosophical challenges concerning the experiment
in memory of Ian Hacking. Recently, Norman Yao and two graduate students
discovered multiple flaws in Jafferis et al.'s learned Hamiltonian and uploaded
a comment on the Nature paper. As expected, Jafferis and his team found a
simple way to clarify the misunderstanding. They found a physical justification
that allowed them to avoid the problem. In this paper, I elucidate the main
arguments Yao and his students raised and the way Jafferis et al. found to save
their learned Hamiltonian. I will end this paper with a philosophical comment
on this recent development in the context of the learned Hamiltonian.
- Abstract（参考訳）: daniel jafferisらによる最新のnature論文"traversable wormhole dynamics on a quantum processor"(量子プロセッサ上での可逆ワームホールダイナミクス)が話題になっている。
nature の論文では、google の sycamore 量子プロセッサを使って 5 項のスパース n = 7 syk モデルをシミュレートする実験について論じている。
自然の論文は、学習されたハミルトニアンが210項の n = 10 syk モデルの重要な重力特性を保ち、可逆的なワームホール挙動を生成するのに十分であることを示した。
実験について検討し、イアン・ハッキングを記憶した実験に関する哲学的課題について議論する。
最近、ノーマン・ヤオと2人の大学院生は、jafferis et al.のlearning hamiltonianに複数の欠陥を発見し、nature paperにコメントを投稿した。
予想通り、Jafferis氏と彼のチームは誤解を明らかにする簡単な方法を見つけた。
彼らは問題を回避できる物理的正当性を見出した。
本稿では、ヤオとその学生が育てた主な議論と、ジャフェリスらが学んだハミルトニアンを救った方法を明らかにする。
私はこの論文を、学習されたハミルトンの文脈におけるこの最近の発展に関する哲学的なコメントで締めくくります。
関連論文リスト
- On the hardness of learning ground state entanglement of geometrically local Hamiltonians [2.6034750171634107]
局所ハミルトニアンの基底状態の絡み合い構造を特徴づけることは、量子情報の基本的な問題である。
特に、この問題は1Dでは大まかにファクタリングハード、2DではLWEハードであることを示す。
我々の研究は、物質のいわゆる「ゲップレス」フェーズを学習する問題は、難解かもしれないことを示唆している。
論文 参考訳（メタデータ） (2024-11-07T01:16:15Z) - Commuting Local Hamiltonians Beyond 2D [0.09208007322096534]
通勤するハミルトンの複雑さを解析するための新しい手法を提案する。
通勤する局所ハミルトニアンのより大きな族がNPであることを示す。
局所ハミルトニアンを通勤する3Dの族がNPに含まれるのはこれが初めてである。
論文 参考訳（メタデータ） (2024-10-14T13:40:54Z) - Structure learning of Hamiltonians from real-time evolution [22.397920564324973]
ハミルトン学習に対する新しい一般的なアプローチとして、難解な構造学習の変種を解くだけでなく、この分野の他のオープンな問題も解決する。
我々のアルゴリズムは、総進化時間$O(log (n)/varepsilon)$でハミルトニアンを$varepsilon$エラーに復元し、以下の魅力的な性質を持つ。
応用として、ハミルトニアンが1/varepsilon2$の標準極限を破り、精度$varepsilon$までパワー-ロー崩壊を示すことも学べる。
論文 参考訳（メタデータ） (2024-04-30T18:00:00Z) - Debating the Reliability and Robustness of the Learned Hamiltonian in
the Traversable Wormhole Experiment [0.0]
この実験では、GoogleのSycamore量子プロセッサを使用して、学習されたハミルトンでスパースSYKモデルをシミュレートした。
ブライス・コブリン、トマス・シュスター、ノーマン・ヤオがハミルトンの知識の信頼性に懸念を抱いたことで議論が巻き起こった。
私は、Kobrinらの課題に対処する努力に懐疑的です。
論文 参考訳（メタデータ） (2023-08-01T17:56:27Z) - Logic meets Wigner's Friend (and their Friends) [49.1574468325115]
我々は、Wignerのフレンドの思考体験と、そのより最近の変種と拡張について、新しい見返りをする。
本稿では,いくつかの疑問に焦点をあてて,文献で提案される様々な解決策について論じる。
論文 参考訳（メタデータ） (2023-07-04T13:31:56Z) - A construction of Combinatorial NLTS [22.539300644593936]
NLTS (No Low-Energy Trivial State) conjecture of Freedman and Hastings [2014] posits that the family of Hamiltonians with all low energy state with high complexity。
ここでは、NLTSと呼ばれるより弱いバージョンを証明し、局所項の(小さい)定数数に反する状態に対して量子回路の下限が示される。
論文 参考訳（メタデータ） (2022-06-06T16:55:34Z) - Learning Neural Hamiltonian Dynamics: A Methodological Overview [109.40968389896639]
Hamiltonian dynamicsは、ニューラルネットワークに正確な長期予測、解釈可能性、データ効率の学習を与える。
我々は最近提案したハミルトンニューラルネットワークモデルについて、特に方法論に焦点を当てて体系的に調査した。
論文 参考訳（メタデータ） (2022-02-28T22:54:39Z) - Symplectic Learning for Hamiltonian Neural Networks [0.0]
Hamiltonian Neural Networks (HNN)は、統一された"グレーボックス"アプローチに向けた第一歩を踏み出した。
損失関数が異なるハミルトン系のシンプレクティック構造を利用する。
HNNが学習できる正確なハミルトン関数の存在を数学的に保証する。
論文 参考訳（メタデータ） (2021-06-22T13:33:12Z) - Reply to "Comment on "Quantum Time Crystals from Hamiltonians with
Long-Range Interactions"" [23.87373187143897]
この回答では、議論で提起されたすべての質問に1対1で答えます。
イデオロギー的論争に関しては、閉量子系における時間結晶秩序の奇妙な性質を鮮明に強調している。
論文 参考訳（メタデータ） (2020-05-13T13:51:01Z) - Quantum-like modeling of the order effect in decision making: POVM
viewpoint on the Wang-Busemeyer QQ-equality [77.34726150561087]
Wang と Busemeyer は量子モデルとアプローチ、および非パラメトリック平等(いわゆる QQ-equality)を発明した。
このことは、数学的に正の演算子値測度で表される質問を考慮し、ワン=ブーゼマイアモデルを拡張する可能性をテストすることである。
しかし, 原理的には, 質問の文脈を拡大することで, 元の Wang-Busemeyer モデルに拡張モデルを還元できることを示した。
論文 参考訳（メタデータ） (2018-10-31T18:11:37Z)
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。