論文の概要: Functional Information in Quantum Darwinism: An Operational Measure of Objectivity

• arxiv url: http://arxiv.org/abs/2509.17775v2
• Date: Mon, 06 Oct 2025 13:48:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-08 04:21:01.133685
• Title: Functional Information in Quantum Darwinism: An Operational Measure of Objectivity
• Title（参考訳）: 量子ダーウィン論における機能情報 : 客観性の操作的尺度
• Authors: Arda Batin Tank,
• Abstract要約: 目的は、システムのポインタ状態に関する十分な情報を独立して含む環境フラグメントの豊富さとして、客観性を定量化することである。 この研究は、古典的客観性は仮定ではなく、量的かつリソースに制限された冗長なレコードの存在として現れることを示唆している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper investigates the emergence of classical objectivity in quantum systems through the measure of Functional Information in Quantum Darwinism ($FI_{QD}$). The goal is to quantify objectivity as the abundance of environment fragments that independently contain sufficient information about a system's pointer states. The method relies on the Holevo quantity -- an upper bound on accessible information -- and introduces a tolerance criterion called $\delta$-adequacy, where fragments are considered adequate if they retain at least $(1-\delta)H_S$ bits of pointer information. Numerical simulations of a dephasing model with fragment sampling reveal three robust features: (i) an early-time regime where $\log R_\delta(t)$ grows approximately linearly, (ii) capacity-limited plateaus determined by fragment size and environment dimension, and (iii) stability of the onset criterion under different sampling strategies and overlap corrections. These results establish $FI_{QD}$ as a practical and conservative yardstick for operational objectivity. Beyond numerical findings, the analysis links redundancy growth to thermodynamic costs of record formation and interprets $FI_{QD}$ as a resource monotone under noisy dynamics. The study suggests that classical objectivity emerges not as an assumption but as a quantifiable, resource-limited abundance of redundant records.
• Abstract（参考訳）: 本稿では,量子ダーウィンの関数情報(FI_{QD}$)を用いて,量子系における古典的客観性の出現を考察する。 目的は、システムのポインタ状態に関する十分な情報を独立して含む環境フラグメントの豊富さとして、客観性を定量化することである。 この方法は、アクセス可能な情報の上限であるホレボ量に依存しており、少なくとも$(1-\delta)H_S$ビットのポインタ情報を保持する場合、フラグメントが適切に考慮される、$\delta$-adquacyと呼ばれる寛容基準を導入している。 フラグメントサンプリングによる劣化モデルの数値シミュレーションにより、3つのロバストな特徴が明らかになった。 (i)$\log R_\delta(t)$がほぼ線形に成長するアーリータイムレジーム。 (二 フラグメントサイズ及び環境寸法で定める容量制限台地及び 三 異なるサンプリング戦略及び重複補正の下での開始基準の安定性。 これらの結果は、運用客観性のための実用的で保守的なヤードスティックとして$FI_{QD}$を確立する。 解析結果は, 冗長性の増大と記録形成の熱力学的コストを関連付け, 資源モノトンとしてノイズ力学下でのFI_{QD}$を解釈する。 この研究は、古典的客観性は仮定ではなく、量的かつリソースに制限された冗長なレコードの存在として現れることを示唆している。

関連論文リスト

• Suboptimal Shapley Value Explanations [3.0872915940839274]
  ディープニューラルネットワーク(DNN)は、幅広いアプリケーションをサポートする上で強力な能力を示している。 共有価値は、DNNの推論プロセスを理解するのに役立つ機能の重要性を分析する重要なツールとして登場した。 本稿では,計算処理を高速化する簡易な不確実性に基づく再重み付け機構を提案する。
  論文  参考訳（メタデータ） (2025-02-17T01:17:12Z)
• Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
  この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。 第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。 第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
  論文  参考訳（メタデータ） (2025-02-11T19:24:09Z)
• Optimal Fidelity Estimation from Binary Measurements for Discrete and Continuous Variable Systems [6.253919624802852]
  連続変数(CV)システムでは、変位パリティ測定によって測定できるウィグナー関数を利用する。 Fock や Gaussian のような特定の興味のある対象状態に対して、このサンプルの複雑さはウィグナー函数の$L1$-ノルムによって特徴づけられる。 汎用ブラックボックスモデルでは,任意の対象状態に対して,対象状態の滑らかな$L1$-normにより,忠実度推定のための最適なサンプル複雑性が特徴づけられる。
  論文  参考訳（メタデータ） (2024-09-06T11:07:55Z)
• Exploring Active 3D Object Detection from a Generalization Perspective [58.597942380989245]
  不確実性に基づくアクティブな学習ポリシーは、ポイントクラウドの情報性とボックスレベルのアノテーションコストの間のトレードオフのバランスを取れません。 冗長な3次元境界ボックスラベルの点群を階層的にフィルタリングするtextscCrbを提案する。 実験により,提案手法が既存のアクティブラーニング戦略より優れていることが示された。
  論文  参考訳（メタデータ） (2023-01-23T02:43:03Z)
• CPPF++: Uncertainty-Aware Sim2Real Object Pose Estimation by Vote Aggregation [67.12857074801731]
  そこで本研究では,シミュレートからリアルなポーズ推定のための新しい手法であるCPPF++を提案する。 投票衝突による課題に対処するため,投票の不確実性をモデル化する新たなアプローチを提案する。 ノイズの多いペアフィルタリング、オンラインアライメント最適化、機能アンサンブルなど、いくつかの革新的なモジュールを組み込んでいます。
  論文  参考訳（メタデータ） (2022-11-24T03:27:00Z)
• Sample Complexity of Nonparametric Off-Policy Evaluation on Low-Dimensional Manifolds using Deep Networks [71.95722100511627]
  深層ニューラルネットワークを用いた強化学習における非政治的評価問題について考察する。 ネットワークサイズを適切に選択することにより、マルコフ決定過程において低次元多様体構造を利用することができることを示す。
  論文  参考訳（メタデータ） (2022-06-06T20:25:20Z)
• Information-Theoretic Odometry Learning [83.36195426897768]
  生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。 提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
  論文  参考訳（メタデータ） (2022-03-11T02:37:35Z)
• Understanding the Under-Coverage Bias in Uncertainty Estimation [58.03725169462616]
  量子レグレッションは、現実の望ましいカバレッジレベルよりもアンファンダーカバー(enmphunder-cover)する傾向がある。 我々は、量子レグレッションが固有のアンダーカバーバイアスに悩まされていることを証明している。 我々の理論は、この過大被覆バイアスが特定の高次元パラメータ推定誤差に起因することを明らかにしている。
  論文  参考訳（メタデータ） (2021-06-10T06:11:55Z)
• Unifying supervised learning and VAEs -- coverage, systematics and goodness-of-fit in normalizing-flow based neural network models for astro-particle reconstructions [0.0]
  統計的不確実性、包括性、体系的不確実性、あるいは適度な尺度はしばしば計算されない。 データとラベルの共分散のKL分割の目的は、教師付き学習と変分オートエンコーダの統合を可能にすることを示す。 本稿では,特定の「基本順序」輪郭の数値積分を伴わずにカバレッジ確率を計算する方法について論じる。
  論文  参考訳（メタデータ） (2020-08-13T11:28:57Z)

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。