論文の概要: Cryptographic tests of the python's lunch conjecture

• arxiv url: http://arxiv.org/abs/2411.10527v3
• Date: Mon, 17 Mar 2025 05:04:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 12:28:53.096186
• Title: Cryptographic tests of the python's lunch conjecture
• Title（参考訳）: ピソンのランチ予想の暗号的検証
• Authors: Alex May, Sabrina Pasterski, Chris Waddell, Michelle Xu,
• Abstract要約: 絡み合いのくさびは、局所的には存在するが、CFTサブリージョンへの世界最小の面を含んでいない場合もあり、この場合、ピソンの昼食を含んでいると言われている。 我々は、適切なCFTサブリージョン間の相互情報は、ランチの幾何学に関連した領域差によって線形に下降していると論じる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In the AdS/CFT correspondence, a subregion of the CFT allows for the recovery of a corresponding subregion of the bulk known as its entanglement wedge. In some cases, an entanglement wedge contains a locally but not globally minimal surface homologous to the CFT subregion, in which case it is said to contain a python's lunch. It has been proposed that python's lunch geometries should be modelled by tensor networks that feature projective operations where the wedge narrows. This model leads to the python's lunch (PL) conjecture, which asserts that reconstructing information from past the locally minimal surface is computationally difficult. In this work, we use cryptographic tools related to a primitive known as the Conditional Disclosure of Secrets (CDS) to develop consequences of the projective tensor network model that can be checked directly in AdS/CFT. We argue from the tensor network picture that the mutual information between appropriate CFT subregions is lower bounded linearly by an area difference associated with the geometry of the lunch. Recalling that the mutual information is also computed by bulk extremal surfaces, this gives a checkable geometrical consequence of the tensor network model. We prove weakened versions of this geometrical statement in asymptotically AdS$_{2+1}$ spacetimes satisfying the null energy condition, and confirm it in some example geometries, supporting the tensor network model and by proxy the PL conjecture.
• Abstract（参考訳）: AdS/CFT対応では、CFTのサブリージョンは、その絡み合いウェッジとして知られるバルクの対応するサブリージョンの回復を可能にする。 絡み合いのくさびは、局所的には存在するが、CFT亜領域に準同する世界最小ではない表面を含み、この場合、ピソンの昼食を含んでいると言われている。 ピソンのランチジオメトリは、くさびが狭くなるような射影操作を特徴とするテンソルネットワークによってモデル化されるべきであると提案されている。 このモデルはピソンのランチ(PL)予想を導いており、この予想は、局所的な最小表面の過去の情報を再構成することは計算的に困難であると主張している。 本研究では,CDS(Conditional Disclosure of Secrets)と呼ばれるプリミティブに関連する暗号ツールを用いて,AdS/CFTで直接チェック可能な射影テンソルネットワークモデルの結果を明らかにする。 テンソルネットワーク図から、適切なCFTサブリージョン間の相互情報は、ランチの幾何学に関連した領域差によって線形に下降していると論じる。 相互情報はバルク超曲面によっても計算されていることを思い出すと、テンソルネットワークモデルによるチェック可能な幾何学的結果が得られる。 この幾何学的ステートメントの弱化バージョンを漸近的にAdS$_{2+1}$時空で証明し、テンソルネットワークモデルをサポートしPL予想をプロキシすることで、いくつかの例で確認する。

関連論文リスト

• Geometric Inductive Biases of Deep Networks: The Role of Data and Architecture [22.225213114532533]
  ニューラルネットワークをトレーニングする場合、入力空間の曲率はそのアーキテクチャによって決定される変換の下で不変である。 平均幾何が低ランクである場合(例えばResNetの場合)、幾何学は入力空間の部分集合にのみ変化する。
  論文  参考訳（メタデータ） (2024-10-15T19:46:09Z)
• Representation Similarity: A Better Guidance of DNN Layer Sharing for Edge Computing without Training [3.792729116385123]
  本稿では,表現類似度Sで導かれる表現をエッジで共有することで,新しいモデルマージ方式を提案する。 Pearson correlation Coefficient |r| > 0.94 than other metrics。
  論文  参考訳（メタデータ） (2024-10-15T03:35:54Z)
• Grounding Continuous Representations in Geometry: Equivariant Neural Fields [26.567143650213225]
  そこで我々は,幾何インフォームド・クロスアテンションを用いた新しいCNFアーキテクチャを提案する。 このアプローチは、フィールドと潜伏剤の両方を幾何学的にグラウンド化することによって、ステアビリティ特性を誘導することを示す。 分類,セグメンテーション,予測,再構築,生成モデルなど,様々なタスクにおいて,これらの主な特性を検証する。
  論文  参考訳（メタデータ） (2024-06-09T12:16:30Z)
• Information-Theoretic Thresholds for Planted Dense Cycles [52.076657911275525]
  本研究では,社会科学や生物科学においてユビキタスな小世界ネットワークのランダムグラフモデルについて検討する。 植え込み高密度サイクルの検出と回復の両面において、情報理論の閾値を$n$, $tau$、エッジワイド信号対雑音比$lambda$で特徴づける。
  論文  参考訳（メタデータ） (2024-02-01T03:39:01Z)
• From Complexity to Clarity: Analytical Expressions of Deep Neural Network Weights via Clifford's Geometric Algebra and Convexity [54.01594785269913]
  我々は,標準正規化損失のトレーニングにおいて,深部ReLUニューラルネットワークの最適重みがトレーニングサンプルのウェッジ積によって与えられることを示した。 トレーニング問題は、トレーニングデータセットの幾何学的構造をエンコードするウェッジ製品機能よりも凸最適化に還元される。
  論文  参考訳（メタデータ） (2023-09-28T15:19:30Z)
• Geometric Neural Diffusion Processes [55.891428654434634]
  拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。 これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
  論文  参考訳（メタデータ） (2023-07-11T16:51:38Z)
• Toward random tensor networks and holographic codes in CFT [0.0]
  球面対称状態の任意の次元およびより一般的な状態の 2d CFT において、これはホログラフィックの誤り訂正符号につながる。 符号は地平線の外の光演算子に対して等方的であり、内部は非等方的である。 地平線の遷移は、複雑な内部を持つ状態におけるヴィラソロのアイデンティティブロック近似の微妙な分解によって起こる。
  論文  参考訳（メタデータ） (2023-02-05T18:16:02Z)
• A singular Riemannian geometry approach to Deep Neural Networks II. Reconstruction of 1-D equivalence classes [78.120734120667]
  入力空間における出力多様体内の点の事前像を構築する。 我々は、n-次元実空間から(n-1)-次元実空間へのニューラルネットワークマップの場合の簡易性に焦点をあてる。
  論文  参考訳（メタデータ） (2021-12-17T11:47:45Z)
• Deep Implicit Surface Point Prediction Networks [49.286550880464866]
  暗黙の関数としての3次元形状の深い神経表現は、高忠実度モデルを生成することが示されている。 本稿では,CSP(Nest Surface-point)表現と呼ばれる新しい種類の暗黙の表現を用いて,そのような曲面をモデル化する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2021-06-10T14:31:54Z)
• Tensor-Train Networks for Learning Predictive Modeling of Multidimensional Data [0.0]
  有望な戦略は、物理的および化学的用途で非常に成功したテンソルネットワークに基づいています。 本研究では, 多次元回帰モデルの重みをテンソルネットワークを用いて学習し, 強力なコンパクト表現を実現することを示した。 TT形式の重みを計算力の低減で近似するための最小二乗を交互に行うアルゴリズムが提案されている。
  論文  参考訳（メタデータ） (2021-01-22T16:14:38Z)
• Local Propagation in Constraint-based Neural Network [77.37829055999238]
  ニューラルネットワークアーキテクチャの制約に基づく表現について検討する。 本稿では,いわゆるアーキテクチャ制約を満たすのに適した簡単な最適化手法について検討する。
  論文  参考訳（メタデータ） (2020-02-18T16:47:38Z)

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。