論文の概要: k-Uniform complete hypergraph states stabilizers in terms of local operators

• arxiv url: http://arxiv.org/abs/2511.15911v1
• Date: Wed, 19 Nov 2025 22:30:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-21 17:08:52.390568
• Title: k-Uniform complete hypergraph states stabilizers in terms of local operators
• Title（参考訳）: 局所作用素によるk-ユニフォーム完全超グラフ状態安定化器
• Authors: Gabriel M. Arantes, Vinícius Salem, Danilo Cius, Bárbara Amaral,
• Abstract要約: 局所作用素の線形結合としてk-ユニフォーム完全ハイパーグラフ状態の安定化を表現する新しい方法を提案する。 我々の定式化は、k-一様完全ハイパーグラフに対する安定化器の明示的な記述を提供する。
• 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 this work, we present a novel method to express the stabilizer of a k-uniform complete hypergraph state as a linear combination of local operators. Quantum hypergraph states generalize graph states and exhibit properties that are not shared by their graph counterparts, most notably, their stabilizers are intrinsically nonlocal, as hyperedges can involve arbitrary subsets of vertices. Our formulation provides an explicit description of the stabilizers for k-uniform complete hypergraphs and may offer new insights for exploring these states within the stabilizer formalism. In particular, this approach could facilitate the construction of new Bell inequalities or find applications in quantum error correction.
• Abstract（参考訳）: 本研究では,局所作用素の線形結合としてk-ユニフォーム完全ハイパーグラフ状態の安定化を表現する新しい手法を提案する。 量子ハイパーグラフ状態はグラフ状態を一般化し、グラフが共有していない性質を示す。 我々の定式化は、k-ユニフォーム完全ハイパーグラフの安定化器の明示的な記述を提供し、安定化器形式論の中でこれらの状態を探究するための新たな洞察を与えるかもしれない。 特に、このアプローチは新たなベルの不等式の構築を促進したり、量子誤り訂正の応用を見つけることができる。

関連論文リスト

• Graph Few-Shot Learning via Adaptive Spectrum Experts and Cross-Set Distribution Calibration [28.335765586298347]
  グラフによる数ショット学習は、ラベル付きノードに制限のある新しいタスクにモデルを迅速に適応できる能力によって、注目を集めている。 本稿では,アダプティブスペクトルの専門家とクロスセット分布キャリブレーション技術を統合した新しいグラフ数ショット LeRning フレームワーク GRACE を提案する。
  論文  参考訳（メタデータ） (2025-10-14T04:39:03Z)
• Hypergraph Neural Sheaf Diffusion: A Symmetric Simplicial Set Framework for Higher-Order Learning [0.0]
  本稿では,ハイパーグラフへの神経シーフ拡散の第一原理的拡張であるHypergraph Neural Sheaf Diffusion (HNSD)を紹介する。 HNSDは、対称的な単純持ち上げ、向きのあいまいさとハイパーグラフ学習に固有の隣接空間を解消する正規化次数ゼロのラプラシアンを介して動作する。
  論文  参考訳（メタデータ） (2025-05-09T00:26:38Z)
• Nonclassical Nullifiers for Quantum Hypergraph States [0.0]
  量子ハイパーグラフ状態はグラフ状態形式主義の一般化を形成する。 このような状態のネットワークは、連続変数測定に基づく量子計算の普遍性を達成することができる。
  論文  参考訳（メタデータ） (2025-02-04T11:06:19Z)
• Non-symmetric GHZ states: weighted hypergraph and controlled-unitary graph representations [0.0]
  また,非対称GHZ状態は局所操作と単一アンシラを用いて効率よく安定化できることを示した。 この結果から,Qubit系およびqudit系における非対称多部交絡の特徴付けと安定化のための体系的アプローチが得られた。
  論文  参考訳（メタデータ） (2024-08-05T18:00:18Z)
• Exploiting hidden structures in non-convex games for convergence to Nash equilibrium [62.88214569402201]
  現代の機械学習アプリケーションは、非協調的なナッシュリリアとして定式化することができる。 決定論的環境と決定論的環境の両方に明確な収束保証を提供する。
  論文  参考訳（メタデータ） (2023-12-27T15:21:25Z)
• Lorentz Equivariant Model for Knowledge-Enhanced Hyperbolic Collaborative Filtering [19.57064597050846]
  我々は,知識グラフ(KG)から事前補助情報を導入し,ユーザ・テムグラフを支援する。 我々は、厳密なローレンツ群同変知識強化協調フィルタリングモデル(LECF)を提案する。 LECFは最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-02-09T10:20:23Z)
• Hyperspectral Image Denoising Using Non-convex Local Low-rank and Sparse Separation with Spatial-Spectral Total Variation Regularization [49.55649406434796]
  本研究では,HSI復調のためのロバストな主成分分析のための新しい非特異なアプローチを提案する。 我々は、ランクとスパースコンポーネントの両方に対する正確な近似を開発する。 シミュレーションと実HSIの両方の実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-01-08T11:48:46Z)
• Multi-fidelity Stability for Graph Representation Learning [38.31487722188051]
  エンフルティ忠実度安定性(英語版)と呼ばれるより弱い一様一般化を導入し、その例を示す。 2種類の安定性の相違点について,多相性設計を正当化する下界を提示する。
  論文  参考訳（メタデータ） (2021-11-25T01:33:41Z)
• A Gap Between the Hypergraph and Stabilizer Entropy Cones [0.20999222360659606]
  安定化器とハイパーグラフエントロピー円錐は4つのパーティで一致することが示され、より高いパーティ数でのそれらの等価性の予想が導かれる。 安定度エントロピーのキャラクタリゼーションを改善し,古典的単調性を除いて5つの辺のすべての線形階不等式が安定度コーンの面を形成することを示す。
  論文  参考訳（メタデータ） (2020-06-29T18:08:37Z)

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。