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 14:56:57.119798
• 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: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• 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の入力空間曲率が不変であることを示す。 また,GIHの結果を観察するための実験結果も提示した。
  論文  参考訳（メタデータ） (2024-10-15T19:46:09Z)
• A Max-Flow approach to Random Tensor Networks [0.40964539027092906]
  確率論のツールを用いたランダムテンソルネットワーク(RTN)の絡み合いエントロピーについて検討する。 ランダムテンソルネットワーク(英: random tensor network)は、グラフ(またはネットワーク)構造によって決定される特定の幾何を持つテンソルに対する特定の確率モデルであると考えることができる。
  論文  参考訳（メタデータ） (2024-07-02T18:00:01Z)
• 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)
• Efficient Sampling on Riemannian Manifolds via Langevin MCMC [51.825900634131486]
  本稿では,Gibs 分布 $d pi* = eh d vol_g$ over aian manifold $M$ via (geometric) Langevin MCMC。 この結果は、$pi*$ が非指数的であり、$Mh$ が負のリッチ曲率を持つような一般的な設定に適用できる。
  論文  参考訳（メタデータ） (2024-02-15T22:59:14Z)
• Sharp Rates in Dependent Learning Theory: Avoiding Sample Size Deflation for the Square Loss [33.18537822803389]
  L2$ と $Psi_p$ の位相が我々の仮説クラス $mathscrF$, $mathscrF$ に同値であるときにいつでも、$mathscrF$ は弱準ガウス類であることを示す。 以上の結果から, 混合への直接的な依存は高次項に還元されるため, この問題は実現可能か否かを判断できる。
  論文  参考訳（メタデータ） (2024-02-08T18:57:42Z)
• 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)
• Effective Minkowski Dimension of Deep Nonparametric Regression: Function Approximation and Statistical Theories [70.90012822736988]
  ディープ非パラメトリック回帰に関する既存の理論は、入力データが低次元多様体上にある場合、ディープニューラルネットワークは本質的なデータ構造に適応できることを示した。 本稿では,$mathcalS$で表される$mathbbRd$のサブセットに入力データが集中するという緩和された仮定を導入する。
  論文  参考訳（メタデータ） (2023-06-26T17:13:31Z)
• Planted Bipartite Graph Detection [13.95780443241133]
  ランダムグラフに隠れた二部グラフを検出するタスクについて検討する。 ヌル仮説の下では、このグラフは、エッジ密度$q$の$n$上のアードホスラーイランダムグラフの実現である。 k_mathsfR times k_mathsfL$ bipartite subgraph with edge density $p>q$。
  論文  参考訳（メタデータ） (2023-02-07T18:18:17Z)
• 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)
• The connected wedge theorem and its consequences [0.0]
  我々は、aally AdS$_2+1$ 時空の境界における$n$入力と$n$出力位置を考える$n$-to-$n$連結ウェッジ定理を証明した。 この証明は、ヌル曲率条件を満たす3つのバルク次元と、標準予想を満たす半古典的時空で成り立つ。 量子情報理論は、特定の種類の因果ネットワークにおける情報処理に十分な1つの絡み合いのパターンを明らかにする。
  論文  参考訳（メタデータ） (2022-09-30T18:00:04Z)
• Entanglement Renormalization of a $T\bar{T}$-deformed CFT [0.0]
  直線上の$TbarT$-deformed scalar CFTの基底状態に対するガウス近似を求める。 短距離スケールでの$TbarT$-deformationによって引き起こされる非局所性について論じる。
  論文  参考訳（メタデータ） (2022-03-01T09:50:31Z)
• A Law of Robustness beyond Isoperimetry [84.33752026418045]
  我々は、任意の分布上でニューラルネットワークパラメータを補間する頑健性の低い$Omega(sqrtn/p)$を証明した。 次に、$n=mathrmpoly(d)$のとき、スムーズなデータに対する過度なパラメータ化の利点を示す。 我々は、$n=exp(omega(d))$ のとき、$O(1)$-Lipschitz の頑健な補間関数の存在を否定する。
  論文  参考訳（メタデータ） (2022-02-23T16:10:23Z)
• Learning Smooth Neural Functions via Lipschitz Regularization [92.42667575719048]
  ニューラルフィールドにおけるスムーズな潜伏空間を促進するために設計された新しい正規化を導入する。 従来のリプシッツ正規化ネットワークと比較して、我々のアルゴリズムは高速で、4行のコードで実装できる。
  論文  参考訳（メタデータ） (2022-02-16T21:24:54Z)
• 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)
• Quantum double aspects of surface code models [77.34726150561087]
  基礎となる量子double $D(G)$対称性を持つ正方格子上でのフォールトトレラント量子コンピューティングの北エフモデルを再検討する。 有限次元ホップ代数$H$に基づいて、我々の構成がどのように$D(H)$モデルに一般化するかを示す。
  論文  参考訳（メタデータ） (2021-06-25T17:03:38Z)
• 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)
• Average-case Complexity of Teaching Convex Polytopes via Halfspace Queries [55.28642461328172]
  平均的なケースの教えの複雑さは$Theta(d)$であり、最悪のケースの教えの複雑さは$Theta(n)$とは対照的である。 我々の洞察は、$phi$-separable dichotomiesの平均ケースの複雑さに厳密な拘束力を確立することを可能にする。
  論文  参考訳（メタデータ） (2020-06-25T19:59:24Z)
• Stochastic Bandits with Linear Constraints [69.757694218456]
  制約付き文脈線形帯域設定について検討し、エージェントの目標は一連のポリシーを作成することである。 楽観的悲観的線形帯域(OPLB)と呼ばれる,この問題に対する高信頼束縛アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-06-17T22:32:19Z)
• Controlled Mather-Thurston theorems [0.0]
  その動機は、物理プログラムに数学的基礎を置くことである。 目的は、マクスウェルの$Fwedge Fast$やヒルベルトの$int R dvol$のような曲率項が「歪み」を測る作用に置き換えられる双対性を見つけることである。
  論文  参考訳（メタデータ） (2020-05-30T21:53:57Z)
• Neural Subdivision [58.97214948753937]
  本稿では,データ駆動型粗粒度モデリングの新しいフレームワークであるNeural Subdivisionを紹介する。 すべてのローカルメッシュパッチで同じネットワーク重みのセットを最適化するため、特定の入力メッシュや固定属、カテゴリに制約されないアーキテクチャを提供します。 単一の高分解能メッシュでトレーニングしても,本手法は新規な形状に対して合理的な区分を生成する。
  論文  参考訳（メタデータ） (2020-05-04T20:03:21Z)

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。