論文の概要: Empirical Falsification of Pairwise-Only Explanations for an Engineered Parity Benchmark on a 133-Qubit Superconducting Processor
- arxiv url: http://arxiv.org/abs/2603.20542v1
- Date: Fri, 20 Mar 2026 22:24:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:38.964063
- Title: Empirical Falsification of Pairwise-Only Explanations for an Engineered Parity Benchmark on a 133-Qubit Superconducting Processor
- Title（参考訳）: 133-Qubit超伝導プロセッサ上での工学的パリティベンチマークのためのペアワイズオンリー説明の実証的ファルシフィケーション
- Authors: Petr Sramek,
- Abstract要約: 本稿では,ペアワイズのみの説明と既約三階述語予測構造を区別する小型ハードウェア実験について報告する。
A1bプロトコルは、133量子ビットのIBM超伝導プロセッサ上にパリティ構造化されたバイナリラベルを実装している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Scalable quantum characterization and error-mitigation workflows often rely on the assumption that relevant device noise and readout contamination can be adequately captured by low-weight, predominantly pairwise interactions. We report a compact hardware experiment designed to operationally distinguish pairwise-only explanations from irreducible triplet-order predictive structure. The A1/A1b protocol implements a parity-structured binary label on a 133-qubit IBM superconducting processor (ibm_torino) and analyzes the resulting data through a classical M"obius decomposition of subset mutual informations. In the A1 baseline, we observe a macroscopic triplet correlation of f(123) = 0.72609 bits (p <= 1.0e-4, permutation floor). In the strict A1b loophole-reduction follow-up, role-symmetry averaging sharply suppresses singleton leakage, modestly reduces pairwise mismatch, and preserves a large irreducible triplet term of f(123) = 0.56521 bits. Crucially, a principled pairwise maximum-entropy baseline consistent with the empirical 1- and 2-body marginals implies only f(123) ~ 6.6e-6 bits, in strong contradiction with the observed hardware data. On A1b, a classifier built exclusively from pairwise features reaches only 0.617 held-out accuracy (chance 0.5), whereas a triplet-inclusive model reaches 0.910. These results provide a concise, open-data demonstration that pairwise benchmarking proxies can be fundamentally blind to higher-order contextual structure in present-day superconducting experiments.
- Abstract（参考訳）: スケーラブルな量子キャラクタリゼーションとエラー軽減ワークフローは、関連するデバイスノイズと読み出し汚染が、低ウェイトで主にペアワイズな相互作用によって適切に捕捉できるという仮定に依存することが多い。
本稿では,ペアワイズのみの説明と既約三重項次予測構造を相互に区別する小型ハードウェア実験について報告する。
A1/A1bプロトコルは、133キュービットのIBM超伝導プロセッサ(ibm_torino)上にパリティ構造化バイナリラベルを実装し、サブセットの相互情報の古典的なM"オビウス分解によって得られたデータを解析する。
A1ベースラインでは、f(123) = 0.72609ビット(p <= 1.0e-4, permutation floor)のマクロ3重項相関が観測される。
厳密なA1bループホール還元フォローアップでは、ロール対称性平均化はシングルトンリークを著しく抑制し、ペアワイズミスマッチを適度に低減し、 f(123) = 0.56521ビットの大きな既約三重項項を保持する。
重要なことに、実証的な 1 ビットと 2 ボディの辺辺に一致した原則付き最大エントロピー基底線は、観測されたハードウェアデータと強く矛盾する f(123) ~ 6.6e-6 ビットしか持たない。
A1bでは、一対の特徴のみから構築された分類器は0.617の精度しか持たない(チャンス0.5)が、三重項包含モデルは0.910に達する。
これらの結果は、現在の超伝導実験において、ペアワイズベンチマークプロキシが基本的に高次の文脈構造に盲目であるような、簡潔でオープンなデータデモを提供する。
関連論文リスト
- Transformers Can Learn Rules They've Never Seen: Proof of Computation Beyond Interpolation [0.0]
2つの制御された設定で強みのみの仮説をテストする。
実験1では、純粋なXOR遷移規則を持つセルオートマトンを用いる。
実験2では、整数上のシンボリック作用素鎖を1つの作用素対が持ち上がった状態で研究する。
論文 参考訳（メタデータ） (2026-03-17T18:02:28Z) - Deterministic Fuzzy Triage for Legal Compliance Classification and Evidence Retrieval [0.0]
法律チームはますます、大量の契約上の証拠をトリアージするために機械学習を使用している。
多くのモデルは不透明で非決定論的であり、HIPAAやNERC-CIPのようなフレームワークと整合するのは難しい。
決定論的双対エンコーダと透明なファジィトリアージバンドに基づく簡単な再現可能な代替法について検討する。
論文 参考訳（メタデータ） (2026-03-08T00:31:34Z) - Symmetry-Constrained Language-Guided Program Synthesis for Discovering Governing Equations from Noisy and Partial Observations [0.0]
SymLang (Symmetry-Constrained Language-Guided equation discovery) は3つの異なるアイデアをまとめる統一フレームワークである。
133の力学系において、SymLangは観測ノイズの10%以下で83.7%の正確な構造回復率を達成する。
すべての試験された体制において、この枠組みは構造的縮退を正しく識別し、自信ある1つの方程式を返すのではなく、明確に報告する。
論文 参考訳（メタデータ） (2026-03-06T20:42:36Z) - Information Fidelity in Tool-Using LLM Agents: A Martingale Analysis of the Model Context Protocol [69.11739400975445]
モデルコンテキストプロトコル(MCP)エージェントにおけるエラー蓄積を解析するための最初の理論的枠組みを紹介する。
累積歪みが線形成長と高確率偏差を$O(sqrtT)$で表すことを示す。
主な発見は、意味重み付けは歪みを80%減らし、周期的再接地は、エラー制御の約9ステップごとに十分である。
論文 参考訳（メタデータ） (2026-02-10T21:08:53Z) - Transformers as Measure-Theoretic Associative Memory: A Statistical Perspective and Minimax Optimality [52.424255020469595]
トランスフォーマーは、コンテント順応可能な検索とコンテキスト、原則として長さを活用できる能力を通じてエクササイズする。
確率尺度のレベルで連想記憶をリキャストし、コンテキストを無拘束トークン上の分布として扱う。
浅度測度理論変換器は入力密度のスペクトル仮定に基づいてリコール・アンド・予測マップを学習することを示す。
論文 参考訳（メタデータ） (2026-02-02T09:34:17Z) - Sparse Attention Post-Training for Mechanistic Interpretability [55.030850996535776]
本稿では,トランスフォーマーの注意を犠牲にすることなく,簡易なポストトレーニング手法を提案する。
制約された余剰目的の下でフレキシブルな空間規則化を適用することで、1Bパラメータまでのモデルで、初期トレーニング損失を抑えつつ、注意接続性を$approx 0.3 %に抑えることができることを示す。
論文 参考訳（メタデータ） (2025-12-05T16:40:08Z) - STRIDE: Subset-Free Functional Decomposition for XAI in Tabular Settings [0.0]
私たちはSTRIDEを紹介します。これは"何"機能に答えるフレームワークですが、どのように"相互作用する"のかを明らかにすることができません。
また、学習した相互作用を分離し、その寄与を定量化する診断である「コンポーネント手術」も導入する。
論文 参考訳（メタデータ） (2025-09-11T00:19:53Z) - From Invariant Representations to Invariant Data: Provable Robustness to Spurious Correlations via Noisy Counterfactual Matching [14.679039741833305]
トレーニングデータから急激な相関関係を学習するモデルは、新しい環境にデプロイすると失敗することが多い。
我々は、不変表現の学習から不変データペアの活用へと焦点を移す、データ中心の代替案を提案する。
ノイズの反事実マッチングは、少数の反事実ペアでさえも活用することで、堅牢性を向上させる。
論文 参考訳（メタデータ） (2025-05-30T17:42:32Z) - BUMP: A Benchmark of Unfaithful Minimal Pairs for Meta-Evaluation of
Faithfulness Metrics [70.52570641514146]
不誠実な最小対 (BUMP) のベンチマークを示す。
BUMPは、889人の人間が書いた最小限のサマリーペアのデータセットである。
非ペアベースのデータセットとは異なり、BUMPはメトリクスの一貫性を測定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） (2022-12-20T02:17:30Z) - Statistically Meaningful Approximation: a Case Study on Approximating
Turing Machines with Transformers [50.85524803885483]
本研究は,統計的学習性を示すために近似ネットワークを必要とする統計有意(SM)近似の形式的定義を提案する。
回路とチューリングマシンの2つの機能クラスに対するSM近似について検討する。
論文 参考訳（メタデータ） (2021-07-28T04:28:55Z) - Sample Complexity Bounds for 1-bit Compressive Sensing and Binary Stable
Embeddings with Generative Priors [52.06292503723978]
生成モデルを用いた圧縮センシングの進歩により, 生成モデルを用いた1ビット圧縮センシングの問題点を考察した。
まずノイズのない1ビット測定を考察し, ガウス測度に基づく近似回復のためのサンプル複雑性境界を提供する。
また,リプシッツ連続生成モデルを用いた1ビット圧縮センシングにも有効であることを示すため,評価誤差と雑音に対する再構成の堅牢性を示すBinary $epsilon$-Stable Embedding特性を実証した。
論文 参考訳（メタデータ） (2020-02-05T09:44:10Z)
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。