論文の概要: Local-Data-Hiding and Causal Inseparability: Probing Indefinite Causal Structures with Cryptographic Primitives

• arxiv url: http://arxiv.org/abs/2407.20543v1
• Date: Tue, 30 Jul 2024 04:54:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-07-31 18:19:06.915317
• Title: Local-Data-Hiding and Causal Inseparability: Probing Indefinite Causal Structures with Cryptographic Primitives
• Title（参考訳）: 局所データ処理と因果不分離性:暗号プリミティブを用いた不確定因果構造探索
• Authors: Sahil Gopalkrishna Naik, Samrat Sen, Ram Krishna Patra, Ananya Chakraborty, Mir Alimuddin, Manik Banik, Pratik Ghosal,
• Abstract要約: 近年の研究では、新しい情報プリミティブとして現れる因果構造における不確定性の可能性が示唆されている。 本研究では,不定因果構造に埋め込まれたエージェントが,特定の因果的背景下で動作しているエージェントよりも優れていることを示す。 本稿では、LBHタスクにそれぞれ役に立たない2つの量子プロセスが一緒に使われる際に有用となる、興味深いスーパーアクティベーション現象を報告する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Formulation of physical theories typically assumes a definite causal structure -- either static or dynamic -- among the set of physical events. Recent studies, however, suggest the possibility of indefiniteness in causal structure, which emerges as a novel information primitive offering advantages in various protocols. In this work, we explore utilities of this new primitive in cryptographic applications. To this aim, we propose a task called local-data-hiding, where a referee distributes encrypted messages among distant parties in such a way that the parties individually remain completely ignorant about the messages, and thus try to decrypt their respective messages through mutual collaboration. As we demonstrate, agents embedded in an indefinite causal structure can outperform their counterparts operating in a definite causal background. Considering the bipartite local-bit-hiding (LBH) task, we establish a strict duality between its optimal success probability and the optimal violation of a causal inequality obtained from the guess-your-neighbour's-input game. This, in turn, provides a way forward to obtain Tsirelson-type bounds for causal inequalities. Furthermore, similar to Peres's separability criterion, we derive a necessary criterion for quantum processes to be useful in the LBH task. We then report an intriguing super-activation phenomenon, where two quantum processes, each individually not useful for the LBH task, become useful when used together. We also analyze the utility of causal indefiniteness arising in classical setups and show its advantages in multipartite variants of the local-data-hiding task. Along with establishing new cryptographic applications our study illuminates various unexplored aspects of causal indefiniteness, and welcomes further studies on this new information primitive.
• Abstract（参考訳）: 物理理論の定式化は、典型的には、物理事象の集合のうち、一定の因果構造(静的か動的か)を仮定する。 しかし、近年の研究は、様々なプロトコルで利点を提供する新しい情報プリミティブとして現れる因果構造の不確定性の可能性を示している。 本研究では,暗号アプリケーションにおけるこの新しいプリミティブの有用性について検討する。 そこで本研究では,遠隔者間で暗号化メッセージの配信を行うローカルデータハイディング(Local-data-hiding)というタスクを提案する。 示すように、不定因果構造に埋め込まれたエージェントは、特定の因果的背景の中で動作しているエージェントよりも優れている。 両部局型ローカルビットハイディング(LBH)タスクを考慮し,その最適成功確率と推定your-ighbour's-inputゲームから得られる因果不平等の最適違反の厳密な双対性を確立する。 これは逆に、因果不等式に対するツィレルソン型境界を得る方法を与える。 さらに、ペレスの分離性基準と同様に、LBHタスクで有用な量子プロセスに必要な基準を導出する。 次に、LBHタスクにそれぞれ役に立たない2つの量子プロセスが一緒に使われる際に有用となる興味深いスーパーアクティベーション現象を報告する。 また、古典的なセットアップで生じる因果不確定性の有用性を解析し、その利点を局所データハイディングタスクのマルチパーティト変種において示す。 新たな暗号応用の確立とともに、我々の研究は因果不確定性の探索されていない様々な側面を照らし、この新しい情報プリミティブに関するさらなる研究を歓迎する。

関連論文リスト

• Simulating Noncausality with Quantum Control of Causal Orders [0.0]
  古典通信の量子スイッチを用いて ShiFT 測定を行うことができることを示す。 このことは、ルガノ過程の構造が量子スイッチによってシミュレートできることを示し、ShiFTの識別に成功したことは、非因果性よりも因果非分離性を証明していることを示している。
  論文  参考訳（メタデータ） (2025-02-21T16:39:55Z)
• Rethinking State Disentanglement in Causal Reinforcement Learning [78.12976579620165]
  因果性は、根底にある状態が識別可能性によって一意に回復できることを保証するための厳密な理論的支援を提供する。 我々はこの研究ラインを再考し、RL固有のコンテキストを取り入れることで、潜在状態に対する以前の識別可能性分析における不要な仮定を低減できることを示した。 本稿では, 従来手法の複雑な構造制約を, 遷移と報酬保存の2つの簡単な制約に置き換えることにより, 一般に部分的に観測可能なマルコフ決定過程(POMDP)を提案する。
  論文  参考訳（メタデータ） (2024-08-24T06:49:13Z)
• New Rules for Causal Identification with Background Knowledge [59.733125324672656]
  オープンな問題に対する新たな視点を提供するBKを導入するための2つの新しいルールを提案する。 これらのルールは、観測データによる因果効果のセットを決定するなど、典型的な因果関係のタスクに適用可能であることを示す。
  論文  参考訳（メタデータ） (2024-07-21T20:21:21Z)
• Robustness of contextuality under different types of noise as quantifiers for parity-oblivious multiplexing tasks [0.0]
  我々は分析的および数値的なツールを用いて、異なる種類の雑音下でのPOMシナリオにおける文脈性のロバスト性を推定する。 我々は,任意の$n$-to-1 POMシナリオにおいて,文脈性から偏極へのロバスト性と成功率の関係を一般化する。
  論文  参考訳（メタデータ） (2024-06-18T16:43:43Z)
• To Believe or Not to Believe Your LLM [51.2579827761899]
  大規模言語モデル(LLM)における不確実性定量化について検討する。 疫学的な不確実性が大きい場合にのみ確実に検出できる情報理論の指標を導出する。 定式化の利点を実証する一連の実験を行う。
  論文  参考訳（メタデータ） (2024-06-04T17:58:18Z)
• 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)
• Alternative robust ways of witnessing nonclassicality in the simplest scenario [0.0]
  最も単純な非自明なシナリオにおいて、非古典性の概念を関連付ける。 我々は準備のために有界な存在論的別性の概念に基づくアプローチを用いる。 本研究の応用として,ノイズの有無で2ビットパリティ多重化を施行した症例を報告する。
  論文  参考訳（メタデータ） (2023-11-22T15:41:34Z)
• Nonparametric Identifiability of Causal Representations from Unknown Interventions [63.1354734978244]
  本研究では, 因果表現学習, 潜伏因果変数を推定するタスク, およびそれらの変数の混合から因果関係を考察する。 我々のゴールは、根底にある真理潜入者とその因果グラフの両方を、介入データから解決不可能なあいまいさの集合まで識別することである。
  論文  参考訳（メタデータ） (2023-06-01T10:51:58Z)
• Experimental certification of more than one bit of quantum randomness in the two inputs and two outputs scenario [0.0]
  本稿では、量子資源を持つ敵に対して安全であるプライベート乱数を提供するように設計された最近のベル型演算子の実験的実現について述べる。 半定値計画法を用いて、 min-entropy と von Neumann entropy の両方の観点から、生成したランダム性に対する低い境界を与える。 本研究は,二分数測定から2ビット近いランダム性を証明した最初の実験である。
  論文  参考訳（メタデータ） (2023-03-13T20:42:53Z)
• Fairness and robustness in anti-causal prediction [73.693135253335]
  分散シフトと公平性に対するロバストさは、機械学習モデルに必要な2つの重要なデシラタとして独立に現れている。 これら2つのデシダラタは関連しているように見えるが、実際にはその関連性はしばしば不明である。 この観点から見れば、共通フェアネス基準(分離)とロバストネスの共通概念との明確な関係を描いています。
  論文  参考訳（メタデータ） (2022-09-20T02:41:17Z)
• Active Bayesian Causal Inference [72.70593653185078]
  因果発見と推論を統合するための完全ベイズ能動学習フレームワークであるアクティブベイズ因果推論(ABCI)を提案する。 ABCIは因果関係のモデルと関心のクエリを共同で推論する。 我々のアプローチは、完全な因果グラフの学習のみに焦点を当てた、いくつかのベースラインよりも、よりデータ効率が高いことを示す。
  論文  参考訳（メタデータ） (2022-06-04T22:38:57Z)
• BaCaDI: Bayesian Causal Discovery with Unknown Interventions [118.93754590721173]
  BaCaDIは因果構造と介入の両方の潜在確率的表現の連続的な空間で機能する。 BaCaDIは、合成因果発見タスクとシミュレートされた遺伝子発現データの実験において、因果構造と介入ターゲットを識別する関連手法より優れている。
  論文  参考訳（メタデータ） (2022-06-03T16:25:48Z)
• Experimental violations of Leggett-Garg's inequalities on a quantum computer [77.34726150561087]
  単一および多ビット系におけるLeggett-Garg-Bellの不等式違反を実験的に観察する。 本分析では, 量子プラットフォームの限界に注目し, 上記の相関関数は, 量子ビットの数や回路深さが大きくなるにつれて, 理論的予測から逸脱することを示した。
  論文  参考訳（メタデータ） (2021-09-06T14:35:15Z)
• Semi-Device-Independent Certification of Causal Nonseparability with Trusted Quantum Inputs [0.0]
  注目すべきは、因果分離不能と呼ばれるいくつかの過程は、明確な因果順序とは相容れないことである。 半デバイス非依存シナリオにおける因果非分離性証明の一形態について検討する。 量子スイッチの正準例を含む因果不等式に違反できない特定の因果非分離プロセスは、非因果相関を生成することができることを示す。
  論文  参考訳（メタデータ） (2021-07-22T18:14:04Z)
• Discovering Latent Causal Variables via Mechanism Sparsity: A New Principle for Nonlinear ICA [81.4991350761909]
  ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。 潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
  論文  参考訳（メタデータ） (2021-07-21T14:22:14Z)
• Nested Counterfactual Identification from Arbitrary Surrogate Experiments [95.48089725859298]
  観測と実験の任意の組み合わせからネスト反事実の同定について検討した。 具体的には、任意のネストされた反事実を非ネストされたものへ写像できる反ファクト的非ネスト定理(英語版)(CUT)を証明する。
  論文  参考訳（メタデータ） (2021-07-07T12:51:04Z)
• Background Independence and Quantum Causal Structure [0.0]
  量子力学が相対性理論と異なる重要な方法の1つは、時空に固定された背景参照フレームを必要とすることである。 2つの理論の組み合わせは、非古典的、あるいは「不定」因果構造をもたらすことが期待されている。 プロセス行列形式論の背景非依存な定式化を提案する。
  論文  参考訳（メタデータ） (2021-06-02T09:13:13Z)
• Simple and maximally robust processes with no classical common-cause or direct-cause explanation [0.0]
  我々は、CCDCの説明を受け入れない量子プロセスの最小要件を分析する。 我々は、一般的な雑音に対して最も頑健なプロセスである「単純」過程を示す。 また,すべての非古典的CCDCプロセスの非古典的CCDCプログラムの検出と定量化が可能な半定階層も提示する。
  論文  参考訳（メタデータ） (2021-01-27T19:00:05Z)

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。