論文の概要: Minimum Detection Efficiencies for Loophole-free Genuine Nonlocality Tests

• arxiv url: http://arxiv.org/abs/2401.16134v1
• Date: Mon, 29 Jan 2024 13:00:31 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-30 14:54:07.025127
• Title: Minimum Detection Efficiencies for Loophole-free Genuine Nonlocality Tests
• Title（参考訳）: 抜け穴のない真正非局所性試験における最小検出効率
• Authors: Subhendu B. Ghosh, Snehasish Roy Chowdhury, Ranendu Adhikary, Arup Roy and Tamal Guha
• Abstract要約: 本研究は, 各種非局所性検出に必要な最小検出効率(MDE)に着目した。 我々は,最近提案された$T$型非局所性は完全性から著しく逸脱することを示した。
• 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 certification of quantum nonlocality, which has immense significance in architecting device-independent technologies, confronts severe experimental challenges. Detection loophole, originating from the unavailability of perfect detectors, is one of the major issues amongst them. In the present study we focus on the minimum detection efficiency (MDE) required to detect various forms of genuine nonlocality, originating from the type of causal constraints imposed on the involved parties. In this context, we demonstrate that the MDE needed to manifest the recently suggested $T_2$-type nonlocality deviates significantly from perfection. Additionally, we have computed the MDE necessary to manifest Svetlichny's nonlocality, with state-independent approach markedly reducing the previously established bound. Finally, considering the inevitable existence of noise we demonstrate the robustness of the imperfect detectors to certify $T_2$-type nonlocality.
• Abstract（参考訳）: デバイスに依存しない技術のアーキテクチャにおいて重要な量子非局所性の証明は、深刻な実験的課題に直面している。 検出の抜け穴は、完全な検出器が使えないことに由来するもので、それらの中で大きな問題の1つである。 本研究では,関係当事者に課せられる因果的制約の種類から,様々な非局所性の検出に必要な最小検出効率(MDE)に着目した。 この文脈では、最近提案された$T_2$型非局所性は完全性から著しく逸脱することを示した。 さらに,Svetlichny の非局所性を示すのに必要な MDE を計算した。 最後に、ノイズの存在を必然的に考慮し、$T_2$型非局所性を証明する不完全検出器の堅牢性を示す。

関連論文リスト

• RADAR: Robust Two-stage Modality-incomplete Industrial Anomaly Detection [61.71770293720491]
  本稿では,2段階のロバスト・モードアリティ不完全融合とFlaAmewoRkの検出について提案する。 我々のブートストラッピング哲学は、MIIADの2段階を強化し、マルチモーダルトランスの堅牢性を向上させることである。 実験の結果,提案手法は従来のMIAD法よりも有効性とロバスト性に優れていた。
  論文  参考訳（メタデータ） (2024-10-02T16:47:55Z)
• Controllable Continual Test-Time Adaptation [26.403697960651204]
  継続的テスト時間適応(CTTA)は、新しくて困難なタスクです。 CTTAは制御不能なドメインシフトによってエラーの蓄積が難しくなる。 これらのシフトを抑えるのではなく、ガイドする新しいアプローチを導入する。
  論文  参考訳（メタデータ） (2024-05-23T14:17:01Z)
• Uncertainty in Language Models: Assessment through Rank-Calibration [65.10149293133846]
  言語モデル(LM)は、自然言語生成において有望な性能を示している。 与えられた入力に応答する際の不確実性を正確に定量化することは重要である。 我々は、LMの確実性と信頼性を評価するために、Rank$-$Calibration$と呼ばれる斬新で実用的なフレームワークを開発する。
  論文  参考訳（メタデータ） (2024-04-04T02:31:05Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• SEMI-DiffusionInst: A Diffusion Model Based Approach for Semiconductor Defect Classification and Segmentation [0.11999555634662631]
  この研究は拡散モデルを用いて半導体欠陥パターンを正確に検出し、正確にセグメント化する最初の実演である。 提案手法は,mAP全体のこれまでの成果よりも優れており,ほぼすべての欠陥クラスに対して比較的優れた性能を示す。
  論文  参考訳（メタデータ） (2023-07-17T17:53:36Z)
• Hard Nominal Example-aware Template Mutual Matching for Industrial Anomaly Detection [74.9262846410559]
  textbfHard Nominal textbfExample-aware textbfTemplate textbfMutual textbfMatching (HETMM) textitHETMMは、厳密なプロトタイプベースの決定境界を構築することを目的としており、ハードノミナルな例と異常を正確に区別することができる。
  論文  参考訳（メタデータ） (2023-03-28T17:54:56Z)
• On the Minimal Adversarial Perturbation for Deep Neural Networks with Provable Estimation Error [65.51757376525798]
  敵の摂動の存在は、証明可能な堅牢性に関する興味深い研究ラインを開いた。 検証可能な結果は、コミットしたエラーを見積り、バウンドするものではない。 本稿では,最小対向摂動を求めるための2つの軽量戦略を提案する。 その結果, 提案手法は, 分類に近い試料の理論的距離とロバスト性を近似し, 敵攻撃に対する確実な保証が得られた。
  論文  参考訳（メタデータ） (2022-01-04T16:40:03Z)
• Fine-grained Out-of-Distribution Detection with Mixup Outlier Exposure [33.45012536437493]
  我々は粒度を最優先とし、粒度のOOD検出に重点を置いている。 我々は、新しいDNNトレーニングアルゴリズムMixup Outlier Exposure (MixupOE)を提案する。 我々は,MixupOEが微粒化検出性能を継続的に向上できることを実証した。
  論文  参考訳（メタデータ） (2021-06-07T19:01:17Z)
• Infrared small target detection based on isotropic constraint under complex background [10.091959130890956]
  ターゲットの低信号・クラッタ比(SCR)と不規則な背景クラッタによる干渉は正確な結果を得るのを難しくする。 等方性に制約された多層灰色の差分法(MGD)を提案する。 実験の結果,提案手法は信号-クラッタ比ゲイン (SCRG) と受信動作特性 (ROC) 曲線の両面で,いくつかの一般的な手法よりも有効で優れていることがわかった。
  論文  参考訳（メタデータ） (2020-11-24T12:25:05Z)
• Uncertainty Estimation in Medical Image Localization: Towards Robust Anterior Thalamus Targeting for Deep Brain Stimulation [11.910765921234333]
  本稿では,2段階の深層学習(DL)フレームワークを提案する。 第1段階は、脳MRI全体から視床領域を特定して収穫する。 第2段階は、最も微細な解像度スケールで目標をローカライズするために、収穫された体積に対してボクセル単位の回帰を行う。
  論文  参考訳（メタデータ） (2020-11-03T23:43:52Z)
• SADet: Learning An Efficient and Accurate Pedestrian Detector [68.66857832440897]
  本稿では,一段検出器の検出パイプラインに対する一連の最適化手法を提案する。 効率的な歩行者検出のための単発アンカーベース検出器(SADet)を形成する。 構造的には単純だが、VGA解像度の画像に対して最先端の結果と20ドルFPSのリアルタイム速度を示す。
  論文  参考訳（メタデータ） (2020-07-26T12:32:38Z)

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。