Fugu-MT 論文翻訳(概要): Grand Unification of All Discrete Wigner Functions on $d \times d$ Phase Space

論文の概要: Grand Unification of All Discrete Wigner Functions on $d \times d$ Phase Space

arxiv url: http://arxiv.org/abs/2503.09353v3
Date: Fri, 08 Aug 2025 06:29:26 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-11 14:17:29.255648
Title: Grand Unification of All Discrete Wigner Functions on $d \times d$ Phase Space
Title（参考訳）: $d \times d$相空間上の離散ウィグナー関数の大統一
Authors: Lucky K. Antonopoulos, Dominic G. Lewis, Jack Davis, Nicholas Funai, Nicolas C. Menicucci,
Abstract要約: ウィグナー関数は量子状態と力学を可視化し、量子情報の定量的解析をサポートする。単一の$d$次元量子システムに対して、可能な$dtimes d$離散ウィグナー関数を全て排気するステンシルベースのフレームワークを導入する。
参考スコア（独自算出の注目度）: 0.5242869847419834
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Wigner functions help visualise quantum states and dynamics while supporting quantitative analysis in quantum information. In the discrete setting, many inequivalent constructions coexist for each Hilbert-space dimension. This fragmentation obscures which features are fundamental and which are artefacts of representation. We introduce a stencil-based framework that exhausts all possible $d\times d$ discrete Wigner functions for a single $d$-dimensional quantum system (including a novel one for even $d$), subsuming known forms. We also give explicit invertible linear maps between definitions within the same $d$, enabling direct comparison of operational properties and exposing representation dependence.
Abstract（参考訳）: ウィグナー関数は量子状態と力学を可視化し、量子情報の定量的解析をサポートする。離散的な設定では、多くの非同値な構成は各ヒルベルト空間次元に共存する。この断片化は、どの特徴が基本であり、どれが表現の人工物であるかを曖昧にする。我々は、単一の$d$次元量子システム($d$の新しいものを含む)に対して、可能なすべての$d\times d$離散ウィグナー関数を排気するステンシルベースのフレームワークを導入し、既知の形式を仮定する。また、同じ$d$内の定義間の明示的な可逆線型写像を与え、操作特性を直接比較し、表現依存を明らかにすることができる。

関連論文リスト

Probabilistic size-and-shape functional mixed models [6.424762079392286]
関数的混合モデルにより、平方積分可能な$mu$のサイズと形状を復元できることが示される。ランダムなオブジェクトレベルのユニタリ変換は、個々の関数から$mu$の偏差を保持するサイズと形をキャプチャする。
論文参考訳（メタデータ） (2024-11-27T15:00:33Z)
Function Trees: Transparent Machine Learning [1.3597551064547502]
このような関数のグローバルな性質を知ることは、データを生成するシステムを理解するのに役立つ。関数ツリーは、関数のメインとインタラクションのすべての効果を素早く識別し、計算するために使用することができる。
論文参考訳（メタデータ） (2024-03-19T20:23:31Z)
Nonsmooth Nonparametric Regression via Fractional Laplacian Eigenmaps [15.738019181349992]
真の回帰関数が必ずしも滑らかでない場合に、非パラメトリック回帰法を開発する。より具体的には、我々のアプローチは分数ラプラシアンを使い、真の回帰関数が次数$sin (0,1)$のソボレフ空間にある場合を扱うように設計されている。
論文参考訳（メタデータ） (2024-02-22T21:47:29Z)
Interpreting symplectic linear transformations in a two-qubit phase space [0.0]
ある離散ウィグナー函数に対して、シンプレクティック線型変換に従ってウィグナー函数の値を置換することは、状態に対してあるユニタリ変換を実行することと等価である。位相空間の点のシンプレクティック線型置換とウィグナー函数のある種の再解釈はユニタリ変換と同値である。
論文参考訳（メタデータ） (2024-02-15T13:01:26Z)
Universal Representation of Permutation-Invariant Functions on Vectors and Tensors [11.345796608258434]
我々の研究の主な対象は、様々な大きさの入力に対する多元関数、すなわち置換不変関数である。 citezaheer 2017deepによって提案されたDeep Setsは、和分解可能なモデルを通じてスカラー上の連続的多重集合関数の指数表現を提供する。普遍表現は連続かつ不連続な多重集合函数に対して保証されるが、潜在空間次元は$O(ND)$である。
論文参考訳（メタデータ） (2023-10-20T22:00:59Z)
Axiomatic characterization of pointwise Shapley decompositions [0.0]
様々な応用における一般的な問題は、入力変数に対する関数の出力の加法分解である。本稿では,関数構造を完全に保存し,ボレル可測関数を一意に分解する公理を開発した。
論文参考訳（メタデータ） (2023-03-14T10:24:48Z)
Submodular + Concave [53.208470310734825]
第一次最適化法が凹関数の最大目的値に収束できることはよく確立されている。本研究では、滑らかな函数凸体(英語版)の行列式を$F(x) = G(x) +C(x)$で始める。このクラスの函数は、保証がないような凹凸函数と連続DR-部分モジュラ函数の両方の拡張である。
論文参考訳（メタデータ） (2021-06-09T01:59:55Z)
Scalable Frank-Wolfe on Generalized Self-concordant Functions via Simple Steps [66.88729048402082]
一般化自己一致は、多くの学習問題の目的関数に存在する重要な特性である。検討対象の領域が一様凸あるいは多面体である場合など,様々な症例に対する収束率の改善を示す。
論文参考訳（メタデータ） (2021-05-28T15:26:36Z)
A Functional Perspective on Learning Symmetric Functions with Neural Networks [48.80300074254758]
本研究では,測定値に基づいて定義されたニューラルネットワークの学習と表現について検討する。正規化の異なる選択の下で近似と一般化境界を確立する。得られたモデルは効率よく学習でき、入力サイズにまたがる一般化保証を享受できる。
論文参考訳（メタデータ） (2020-08-16T16:34:33Z)
Piecewise Linear Regression via a Difference of Convex Functions [50.89452535187813]
本稿では,データに対する凸関数(DC関数)の差を利用した線形回帰手法を提案する。実際に実装可能であることを示すとともに,実世界のデータセット上で既存の回帰/分類手法に匹敵する性能を有することを実証的に検証した。
論文参考訳（メタデータ） (2020-07-05T18:58:47Z)
On the Theory of Transfer Learning: The Importance of Task Diversity [114.656572506859]
一般的な関数クラス$mathcalF circ MathcalH$において、$f_j circ h$という形の関数によってパラメータ化される$t+1$タスクを考える。多様なトレーニングタスクに対して、最初の$t$のトレーニングタスク間で共有表現を学ぶのに必要なサンプルの複雑さが、$C(mathcalH) + t C(mathcalF)$であることを示す。
論文参考訳（メタデータ） (2020-06-20T20:33:59Z)
Invariant Feature Coding using Tensor Product Representation [75.62232699377877]
我々は,群不変特徴ベクトルが線形分類器を学習する際に十分な識別情報を含んでいることを証明した。主成分分析やk平均クラスタリングにおいて,グループアクションを明示的に考慮する新たな特徴モデルを提案する。
論文参考訳（メタデータ） (2019-06-05T07:15:17Z)

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。