Fugu-MT 論文翻訳(概要): Kochen-Specker Contextuality

論文の概要: Kochen-Specker Contextuality

arxiv url: http://arxiv.org/abs/2305.08267v1
Date: Sun, 14 May 2023 22:20:19 GMT
ステータス: 処理完了
システム内更新日: 2023-05-16 16:37:03.767840
Title: Kochen-Specker Contextuality
Title（参考訳）: Kochen-Specker の文脈性
Authors: Mladen Pavicic and Mordecai Waegell
Abstract要約: 本稿は、KS集合の最小の複雑さが、低次元の既知の集合から高次元の比較的小さなKS集合を構成するために次元とともにスケールしないという事実を利用する。これにより、現在利用可能な計算資源を用いて16次元空間の単純ベクトル成分から多数の集合を生成できる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A recently developed method of generating quantum contextual sets from small vectors components is universally and theoretically applicable to any dimension. However, tasks of obtaining such arbitrarily exhaustive sets in dimensions higher than eight face a computational barrier even on supercomputers. Therefore, for this paper, we employed a dimensional upscaling method that exploits the fact that the minimal complexity of KS sets does not scale with dimension to construct relatively small KS sets in higher dimensions from known sets in lower dimensions. This enabled us to generate numerous sets from simple vector components in up to 16-dimensional spaces using presently available computational resources.
Abstract（参考訳）: 最近開発された小さなベクトル成分から量子文脈集合を生成する手法は、任意の次元に普遍的かつ理論的に適用できる。しかし、8以上の次元の任意の排他的集合を得るタスクは、スーパーコンピュータでも計算障壁に直面している。そこで本研究では,KS集合の最小複雑性が,低次元の既知の集合から高次元の比較的小さなKS集合を構成するために,次元にスケールしないという事実を生かした次元アップスケーリング手法を提案する。これにより、現在利用可能な計算資源を用いて16次元空間の単純ベクトル成分から多数の集合を生成できる。

関連論文リスト

Maximal Non-Kochen-Specker Sets and a Lower Bound on the Size of Kochen-Specker Sets [1.5163329671980246]
Kochen-Specker (KS) 集合は、反ポッド対を持たない二球面上のベクトルの有限集合である。 KS集合の存在は、コチェンとスペクターの非文脈的隠れ変数理論に対する議論の中心にある。
論文参考訳（メタデータ） (2024-03-08T11:38:16Z)
Non-Kochen-Specker Contextuality [0.0]
任意の次元で非コッシェン・スペクターハイパーグラフを生成する方法を示す。我々の自動生成は確率的かつランダムであるが、蓄積されたデータの統計により、必要なサイズと構造を持つ集合をフィルタリングすることができる。
論文参考訳（メタデータ） (2023-07-30T23:16:36Z)
Normalizing flows for lattice gauge theory in arbitrary space-time dimension [135.04925500053622]
格子ゲージ理論における場配置のサンプリングへの正規化フローの応用は、これまで2つの時空次元においてほぼ独占的に検討されてきた。我々は、スケーラブルで正確なフローベースサンプリングアルゴリズムの鍵となる、トラクタブルで偏りのないジャコビアン行列式によるマスク付き自己回帰について論じる。具体的には、4つの時空次元におけるSU(3)ゲージ理論への原理的応用の結果が報告される。
論文参考訳（メタデータ） (2023-05-03T19:54:04Z)
High-dimensional entanglement certification: bounding relative entropy of entanglement in $2d+1$ experiment-friendly measurements [77.34726150561087]
量子システム内のパーティ間のコヒーレントな相関関係であるエンタングルメントは、よく理解され、定量化されている。このようなシステムの有用性にもかかわらず、高次元の絡み合いを定量化する方法はより限定的で実験的に困難である。本稿では,次元サブシステムと線形に測定要求をスケールする新しい認証手法を提案する。
論文参考訳（メタデータ） (2022-10-19T16:52:21Z)
Continuous percolation in a Hilbert space for a large system of qubits [58.720142291102135]
パーコレーション遷移は無限クラスターの出現によって定義される。ヒルベルト空間の指数的に増加する次元性は、有限サイズの超球面による被覆を非効率にすることを示す。コンパクトな距離空間におけるパーコレーション遷移への我々のアプローチは、他の文脈での厳密な処理に有用である。
論文参考訳（メタデータ） (2022-10-15T13:53:21Z)
Geometry Interaction Knowledge Graph Embeddings [153.69745042757066]
ユークリッド空間,双曲空間,超球空間間の空間構造を対話的に学習する幾何学的相互作用知識グラフ埋め込み(GIE)を提案する。提案したGIEは、よりリッチなリレーショナル情報、モデルキー推論パターンをキャプチャし、エンティティ間の表現的セマンティックマッチングを可能にする。
論文参考訳（メタデータ） (2022-06-24T08:33:43Z)
Automated Generation of Arbitrarily Many Kochen-Specker and Other Contextual Sets in Odd Dimensional Hilbert Spaces [0.0]
任意の次元において任意に多くのコンテキストKSと非KSを自動生成する3つの方法を提案する。もともとの Kochen-Specker 集合に対する明示的なベクトルは、これまでは知られていなかったが、現在では 24 個のベクトル成分からそれらを生成する。
論文参考訳（メタデータ） (2022-02-16T17:15:45Z)
Optimal classical and quantum real and complex dimension witness [0.0]
我々は、行列式によってテストされた線形独立性を次元証明として利用する。本稿では,量子コンピュータ上での空間論理演算を証明するためのテストの実践的応用について論じる。
論文参考訳（メタデータ） (2022-02-07T14:11:40Z)
Universal construction of genuinely entangled subspaces of any size [0.0]
我々は、任意の許容次元の真に多重な絡み合った状態のみをサポートする部分空間を構築する。この結果の即時的な結果として、真に絡み合った部分空間の最大次元まで位数を持つ真の多党交絡混合状態を構成することが可能となる。
論文参考訳（メタデータ） (2021-11-19T13:04:43Z)
Intrinsic Dimension Estimation [92.87600241234344]
内在次元の新しい推定器を導入し, 有限標本, 非漸近保証を提供する。次に、本手法を適用して、データ固有の次元に依存するGAN(Generative Adversarial Networks)に対する新しいサンプル複雑性境界を求める。
論文参考訳（メタデータ） (2021-06-08T00:05:39Z)
High-dimensional Convolutional Networks for Geometric Pattern Recognition [75.43345656210992]
本稿では,パターン認識問題に対する高次元畳み込みネットワーク(ConvNet)を提案する。まず,32次元の高次元空間における線形部分空間の検出における畳み込みネットワークの有効性について検討した。次に、剛体運動下での3次元登録と画像対応推定に高次元のConvNetを適用する。
論文参考訳（メタデータ） (2020-05-17T01:46:12Z)

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。