論文の概要: Undecidability in Physics: a Review

• arxiv url: http://arxiv.org/abs/2410.16532v1
• Date: Mon, 21 Oct 2024 21:47:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-28 17:07:38.789168
• Title: Undecidability in Physics: a Review
• Title（参考訳）: 物理学における不決定性 : 再考
• Authors: Álvaro Perales-Eceiza, Toby Cubitt, Mile Gu, David Pérez-García, Michael M. Wolf,
• Abstract要約: 物理学から生じる問題における決定不可能性の研究は、主に量子情報問題に関連して、新たな関心を集めている。 まず、数学と計算機科学における不決定性に関する必要な結果を説明する。 次に、大半が80年代から90年代初頭に現れた物理学における不決定性に関する最初の結果について概説する。 最後に、多くのボディシステムと量子情報問題という2つの主要なカテゴリに分けられる最新のコントリビューションに焦点を当てる。
• 参考スコア（独自算出の注目度）: 0.23301643766310368
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The study of undecidability in problems arising from physics has experienced a renewed interest, mainly in connection with quantum information problems. The goal of this review is to survey this recent development. After a historical introduction, we first explain the necessary results about undecidability in mathematics and computer science. Then we briefly review the first results about undecidability in physics which emerged mostly in the 80s and early 90s. Finally we focus on the most recent contributions, which we divide in two main categories: many body systems and quantum information problems.
• Abstract（参考訳）: 物理学から生じる問題における決定不可能性の研究は、主に量子情報問題に関連して、新たな関心を集めている。 このレビューの目的は、この最近の開発を調査することである。 歴史的紹介の後、まず数学と計算機科学における不決定性について、必要な結果を説明する。 次に、大半が80年代から90年代初頭に現れた物理学における不決定性に関する最初の結果について概説する。 最後に、多くのボディシステムと量子情報問題という2つの主要なカテゴリに分けられる最新のコントリビューションに焦点を当てる。

関連論文リスト

• PhysicsEval: Inference-Time Techniques to Improve the Reasoning Proficiency of Large Language Models on Physics Problems [3.0901186959880977]
  物理問題におけるフロンティアLLMの性能を数学的・記述的に評価する。 各種物理教科書から得られた19,609個の問題から成り立つ物理問題評価ベンチマークである$rm P Small HYSICSEsmall VAL$を導入する。
  論文  参考訳（メタデータ） (2025-07-31T18:12:51Z)
• Towards a Large Physics Benchmark [1.882115594816394]
  本稿では,基礎物理学における大規模言語モデル開発の評価,監視,評価を行うためのベンチマークフレームワークを提案する。 我々は,各質問が専門家によって正当性,難易度,驚きによってスコア付けされるスコアシステムを開発する。 現在のデータセットには、高エネルギー物理イベントを分類する機械学習チャレンジなど、さまざまな例が含まれています。
  論文  参考訳（メタデータ） (2025-07-29T11:19:00Z)
• PhysUniBench: An Undergraduate-Level Physics Reasoning Benchmark for Multimodal Models [69.73115077227969]
  大規模言語モデル(MLLM)の推論能力の評価と改善を目的とした大規模ベンチマークであるPhysUniBenchを提案する。 PhysUniBenchは、3,304の物理問題から成っている。 ベンチマークの構成には、複数のロールアウト、専門家レベルの評価、解決が容易な問題の自動フィルタリング、そして5段階の難易度グレーディングシステムを含む、厳格な多段階プロセスが含まれていた。
  論文  参考訳（メタデータ） (2025-06-21T09:55:42Z)
• Can Theoretical Physics Research Benefit from Language Agents? [50.57057488167844]
  大規模言語モデル(LLM)は、様々な領域にわたって急速に進歩しているが、理論物理学研究への応用はまだ成熟していない。 このポジションペーパーは、LLMエージェントが、ドメイン知識やツールボックスと適切に統合された場合、理論的、計算的、応用物理学を加速するのに役立つと主張している。 マルチモーダルデータを処理し、検証可能な仮説を提案し、設計実験を行う物理特殊化LSMを構想する。
  論文  参考訳（メタデータ） (2025-06-06T16:20:06Z)
• SeePhys: Does Seeing Help Thinking? -- Benchmarking Vision-Based Physics Reasoning [89.48883747910448]
  物理問題に基づく推論のための大規模マルチモーダルベンチマークである SeePhys を提示する。 このベンチマークは、物理学の分野にまたがる7つの基本的な領域をカバーし、21のカテゴリの非常に異質なダイアグラムを取り入れている。 最も先進的な視覚推論モデル(例えばGemini-2.5-proやo4-mini)でさえ、ベンチマークで60%未満の精度を実現している。
  論文  参考訳（メタデータ） (2025-05-25T11:28:34Z)
• Quantum Information meets High-Energy Physics: Input to the update of the European Strategy for Particle Physics [46.35100548313364]
  量子力学の最も驚くべき特徴、例えば絡み合いやベル非局所性は、専用の低エネルギー実験装置で広く研究されているだけである。 粒子衝突による高エネルギー体制におけるこれらの研究の可能性は、最近しか示されておらず、科学界の注目を集めている。
  論文  参考訳（メタデータ） (2025-03-31T18:00:01Z)
• PHYSICS: Benchmarking Foundation Models on University-Level Physics Problem Solving [38.44445350202585]
  大学レベルの物理問題解決のための総合的なベンチマークであるPHYSICSを紹介する。 古典力学、量子力学、熱力学、統計力学、電磁気学、原子物理学、光学の6つの中核領域をカバーする1297のエキスパート注釈付き問題を含んでいる。
  論文  参考訳（メタデータ） (2025-03-26T06:21:56Z)
• PhysReason: A Comprehensive Benchmark towards Physics-Based Reasoning [36.193595420239845]
  1200プロブレムの大規模言語モデル評価ベンチマークであるPhysReasonを提案する。 問題は平均8.1の解ステップが必要で、ハードは15.6である。 Deepseek-R1、Gemini-2.0-Flash-Thinking、o3-mini-highといったトップパフォーマンスモデルは、回答レベルの評価で60%以下を実現している。
  論文  参考訳（メタデータ） (2025-02-17T17:24:14Z)
• Eigenstate Thermalization Hypothesis: A Short Review [0.0]
  本稿では、量子平衡と固有状態熱化仮説(ETH)の基本的な概念を、物理学界の幅広い聴衆に提示する。
  論文  参考訳（メタデータ） (2025-01-13T11:50:08Z)
• Revolutionizing Quantum Mechanics: The Birth and Evolution of the Many-Worlds Interpretation [0.0]
  量子力学の多世界解釈(MWI)は20世紀半ばから物理学者や哲学者を魅了してきた。 本稿では、量子論の文脈におけるMWIの歴史的ルーツ、進化、および含意について考察する。
  論文  参考訳（メタデータ） (2024-05-11T06:04:34Z)
• Machine learning in physics: a short guide [0.0]
  機械学習は急速に成長する分野であり、物理学を含む科学の多くの分野に革命をもたらす可能性がある。 このレビューでは、物理における機械学習の簡単な概要を説明し、教師なし、教師なし、強化学習の主な概念を取り上げている。 本稿では、物理学における機械学習の主な応用について紹介し、関連する課題と展望について論じる。
  論文  参考訳（メタデータ） (2023-10-16T13:05:47Z)
• Quantum Simulation for High Energy Physics [43.18801287796979]
  高エネルギー物理学のための量子シミュレーションが米国の素粒子物理学コミュニティで研究されたのは、これが初めてである。 高エネルギー物理学者は、我々の自然の理解にとって最も基本的なレベルで重要な問題を素早く特定した。 彼らは、HEPミッションに関連するシミュレーションのための理論、アルゴリズム、ハードウェアの共同設計において、活発なプログラムを開始し、実行し続けている。
  論文  参考訳（メタデータ） (2022-04-07T11:59:15Z)
• The problem of engines in statistical physics [62.997667081978825]
  エンジンは、外部の不均衡を犠牲にして、仕事を循環的に生成できるオープンシステムである。 オープン量子系の理論の最近の進歩は、自律エンジンのより現実的な記述を示している。 運動方程式に外部荷重力と熱雑音を組み込む方法を示す。
  論文  参考訳（メタデータ） (2021-08-17T03:59:09Z)
• Standard Model Physics and the Digital Quantum Revolution: Thoughts about the Interface [68.8204255655161]
  量子システムの分離・制御・絡み合いの進歩は、かつての量子力学の興味深い特徴を、破壊的な科学的・技術的進歩のための乗り物へと変えつつある。 本稿では,3つの領域科学理論家の視点から,絡み合い,複雑性,量子シミュレーションのインターフェースについて考察する。
  論文  参考訳（メタデータ） (2021-07-10T06:12:06Z)
• Towards Causal Representation Learning [96.110881654479]
  機械学習とグラフィカル因果関係の2つの分野が生まれ、別々に発展した。 現在、他分野の進歩の恩恵を受けるために、クロスポリン化と両方の分野への関心が高まっている。
  論文  参考訳（メタデータ） (2021-02-22T15:26:57Z)
• Simulating Quantum Materials with Digital Quantum Computers [55.41644538483948]
  デジタル量子コンピュータ(DQC)は、古典的コンピュータでは引き起こせない量子シミュレーションを効率的に行うことができる。 このレビューの目的は、物理量子優位性を達成するために行われた進歩の要約を提供することである。
  論文  参考訳（メタデータ） (2021-01-21T20:10:38Z)
• Introductory review to quantum information retrieval [77.34726150561087]
  量子フォーマリズムは、量子物理学、特に認知、心理学、意思決定、情報処理、特に情報検索において広く使われている。 本論文は,量子情報検索における技術状況の完全なレビューを意図したものではない。
  論文  参考訳（メタデータ） (2020-08-05T15:23:42Z)
• Quantum Machine Learning in High Energy Physics [1.191194620421783]
  本稿では,高エネルギー物理学における問題に対する量子機械学習を用いた第1世代の考え方を概説する。 興味深い疑問は、量子機械学習を高エネルギー物理学に適用する方法があるかどうかである。
  論文  参考訳（メタデータ） (2020-05-18T10:48:39Z)
• An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
  小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。 量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
  論文  参考訳（メタデータ） (2020-05-06T14:18:44Z)

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。