論文の概要: Information theoretical perspective on the method of Entanglement Witnesses

• arxiv url: http://arxiv.org/abs/2308.07744v1
• Date: Tue, 15 Aug 2023 12:52:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-16 12:49:04.708336
• Title: Information theoretical perspective on the method of Entanglement Witnesses
• Title（参考訳）: 絡み合い目撃者の方法に関する情報理論的展望
• Authors: Paulo J. Cavalcanti, Giovanni Scala, Antonio Mandarino, and Cosmo Lupo
• Abstract要約: 我々は、ある量子状態サンプルの絡み合いについて、ある絡み合いの目撃者が推測できる情報のビット数を定量化する。 例えば $mathbbE[W]=langle W rangle_rho$ は $mathbbE[W]$ の符号よりも多くの情報があることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We frame entanglement detection as a problem of random variable inference to introduce a quantitative method to measure and understand whether entanglement witnesses lead to an efficient procedure for that task. Hence we quantify how many bits of information a family of entanglement witnesses can infer about the entanglement of a given quantum state sample. The bits are computed in terms of the mutual information and we unveil there exists hidden information not \emph{efficiently} processed. We show that there is more information in the expected value of the entanglement witnesses, i.e. $\mathbb{E}[W]=\langle W \rangle_\rho$ than in the sign of $\mathbb{E}[W]$. This suggests that an entanglement witness can provide more information about the entanglement if for our decision boundary we compute a different functional of its expectation value, rather than $\mathrm{sign}\left(\mathbb{E}\right [ W ])$.
• Abstract（参考訳）: 本研究では,ランダムな変数推論の問題として絡み合い検出を行い,絡み合いの目撃者がそのタスクの効率的な手順につながるかどうかを定量的に測定し,理解する手法を提案する。 したがって、一群の絡み合い証人が与えられた量子状態サンプルの絡み合いを推測できる情報の数を定量化する。 ビットは相互情報の観点から計算され、emph{ efficiently}処理されない隠れた情報が存在することが明かされる。 例えば、$\mathbb{E}[W]=\langle W \rangle_\rho$ は $\mathbb{E}[W]$ の符号よりも多くの情報が存在することを示す。 これは、絡み合う目撃者が絡み合いについてより多くの情報を提供できることを示唆する。 決定境界に関して、$\mathrm{sign}\left(\mathbb{e}\right [w ])$ではなく、その期待値の異なる関数を計算する。

関連論文リスト

• Classical Bandit Algorithms for Entanglement Detection in Parameterized Qubit States [3.5502600490147196]
  絡み合い(Entanglement)は、量子情報やコンピューティングにおける幅広いタスクの鍵となるリソースである。 本稿では,量子絡み検出に古典的機械学習技術を用いる可能性を強調する。
  論文  参考訳（メタデータ） (2024-06-28T08:26:47Z)
• Understanding Probe Behaviors through Variational Bounds of Mutual Information [53.520525292756005]
  情報理論を利用した新しい数学的枠組みを構築することで線形探索のガイドラインを提供する。 まず、プローブ設計を緩和するために、相互情報の変動境界(MI)と探索を結合し、線形探索と微調整を同一視する。 中間表現は、分離性の向上とMIの減少のトレードオフのため、最大のMI推定値を持つことが示される。
  論文  参考訳（メタデータ） (2023-12-15T18:38:18Z)
• Do PAC-Learners Learn the Marginal Distribution? [24.80812483480747]
  我々はPAC-Learningの変種について検討し、この変種は敵が既知の限界分布の族に制限される。 テレビ学習はPAC学習と等価であることを示す。
  論文  参考訳（メタデータ） (2023-02-13T11:42:58Z)
• Amplification, inference, and the manifestation of objective classical information [0.0]
  Touilらは、量子古典状態(量子$mathcalS$から測定値$mathcalF$)から異なるホレボ量を調査した。 良いデコヒーレンスが存在する場合、x2013$, $mathcalE/mathcalF$ は量子チャネル $mathcalE/mathcalF$ によってしばしばアクセスされる。 特定のモデルでは、アクセス可能な情報は最適検出のための誤差確率と関連付けられ、したがって量子チャーンと同じ振る舞いを持つ。
  論文  参考訳（メタデータ） (2022-06-06T18:00:00Z)
• A Bayesian Framework for Information-Theoretic Probing [51.98576673620385]
  我々は、探索は相互情報を近似するものとみなすべきであると論じる。 これは、表現が元の文とターゲットタスクに関する全く同じ情報をエンコードしているというかなり直感的な結論を導いた。 本稿では,ベイズ的相互情報(Bayesian mutual information)と呼ぶものを測定するための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-09-08T18:08:36Z)
• Machine-Learning-Derived Entanglement Witnesses [55.76279816849472]
  本稿では,線形支援ベクトルマシン (SVM) と絡み合い目撃者の対応を示す。 我々はこの対応を利用して、二部類と三部類(およびキュビット)の絡み合った状態に対する絡み合いの証人を生成する。
  論文  参考訳（メタデータ） (2021-07-05T22:28:02Z)
• Practical Verification of Quantum Properties in Quantum Approximate Optimization Runs [9.661732401406587]
  可能な3N$のベースのうち3つに満たない測定値で、単一の量子ビット還元密度行列を再構成し、コヒーレントな重ね合わせを生成できることを示す。 このような観測対象のサブセットが、QAOA-MaxCut状態の絡み合いの証人として機能することを示し、さらに証人に対する絡み合いの指標を定義し、計算することで、この目的に特に適していると主張する。
  論文  参考訳（メタデータ） (2021-05-04T17:33:15Z)
• Multi-label Contrastive Predictive Coding [125.03510235962095]
  差分相互情報(MI)推定器は、コントラスト予測符号化(CPC)のような教師なし表現学習法で広く利用されている。 本稿では,複数の正のサンプルを同時に同定する必要がある多ラベル分類問題に基づく新しい推定器を提案する。 同一量の負のサンプルを用いて複数ラベルのCPCが$log m$boundを超えることができる一方で、相互情報の有意な下限であることを示す。
  論文  参考訳（メタデータ） (2020-07-20T02:46:21Z)
• A Theory of Usable Information Under Computational Constraints [103.5901638681034]
  本稿では,複雑なシステムにおける情報推論のための新しいフレームワークを提案する。 我々の基礎はシャノンの情報理論の変分拡張に基づいている。 計算制約を組み込むことで,データから$mathcalV$-informationを確実に推定できることを示す。
  論文  参考訳（メタデータ） (2020-02-25T06:09:30Z)
• Neural Bayes: A Generic Parameterization Method for Unsupervised Representation Learning [175.34232468746245]
  本稿ではニューラルベイズと呼ばれるパラメータ化手法を提案する。 これは一般に計算が難しい統計量の計算を可能にする。 このパラメータ化のための2つの独立したユースケースを示す。
  論文  参考訳（メタデータ） (2020-02-20T22:28:53Z)

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。