論文の概要: Distinguishing quantum processes with bounded coherent memory
- arxiv url: http://arxiv.org/abs/2606.19511v1
- Date: Wed, 17 Jun 2026 18:52:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-19 18:23:39.493098
- Title: Distinguishing quantum processes with bounded coherent memory
- Title（参考訳）: 境界コヒーレントメモリによる量子過程の識別
- Authors: Magdalini Zonnios, Felix C. Binder,
- Abstract要約: マルチタイム量子プロセスの廃止は基本的な課題である。
2つのプロセスを区別するための標準ベンチマークは、戦略ノーム距離である。
自律的な区別のための機械を導入する。
- 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: Distinguishing multi-time quantum processes is a fundamental task underlying the diagnosis, benchmarking, and learning of temporally correlated quantum dynamics. The standard benchmark for distinguishing two processes is the strategy-norm distance, which optimizes over arbitrary adaptive probing strategies but can require large coherent memory and time-dependent control. We introduce machines for autonomous distinction~($\mathsf{MAD}$s): probing strategies that apply the same quantum instrument at each time step, retain the full classical outcome record, and carry a coherent memory of dimension $d_A$. Optimizing over these strategies defines a memory-parametrized distinguishability measure, $d^{(N)}_{\mathsf{MAD}}(\mathbf{P}^N,\mathbf{Q}^N;d_A)$. We show that the resulting hierarchy is monotone in coherent memory and complete at finite times. Specifically, any admissible $N$-step probing strategy can be compiled into a single $\mathsf{MAD}$ with an internal counter and sufficiently large coherent memory, so the hierarchy saturates the strategy-norm benchmark. For recurrent processes generated by repeated system--environment interactions, we derive a single-step description that separates the generation of new distinguishing information from the propagation and decay of information generated at earlier times. Numerical results in a repeated-interaction model show that increasing coherent memory systematically improves the $\mathsf{MAD}$ success probability and closes the gap to the strategy-norm distance while remaining substantially more tractable to evaluate. $\mathsf{MAD}$ distinguishability therefore provides an operational and scalable framework for quantifying what can be learned about genuinely multi-time quantum processes with bounded coherent memory.
- Abstract（参考訳）: マルチタイム量子プロセスの識別は、時間的に相関した量子力学の診断、ベンチマーク、学習の基礎となる基本的なタスクである。
2つのプロセスを区別するための標準ベンチマークは戦略ノルム距離であり、任意の適応型探索戦略を最適化するが、大きなコヒーレントメモリと時間依存制御を必要とする。
自律的な区別のための機械を導入する: ($\mathsf{MAD}$s): 同じ量子機器を各ステップで適用し、古典的な結果記録を完全に保持し、次元$d_A$のコヒーレントなメモリを運ぶ。
これらの戦略を最適化すると、メモリパラメタライズされた微分可能性尺度 $d^{(N)}_{\mathsf{MAD}}(\mathbf{P}^N,\mathbf{Q}^N;d_A)$ が定義される。
得られた階層構造はコヒーレントメモリにおいて単調であり、有限時間で完備であることを示す。
具体的には、任意の許容可能な$N$-stepの探索戦略は、内部カウンタと十分に大きなコヒーレントメモリを備えた単一の$\mathsf{MAD}$にコンパイルできるため、階層はストラテジーノルムベンチマークを飽和させる。
繰り返しのシステム環境相互作用によって生成された繰り返し処理に対して、より早い時期に生成された情報の伝播と減衰から、新たな識別情報の生成を分離する単一ステップ記述を導出する。
繰り返し相互作用モデルによる数値結果から、コヒーレントメモリの増加は、$\mathsf{MAD}$成功確率を体系的に改善し、そのギャップを戦略-ノーム距離に縮めて評価しやすくする。
したがって、$\mathsf{MAD}$分化性は、有界コヒーレントメモリで真にマルチ時間量子プロセスで何が学べるかを定量化する、運用的でスケーラブルなフレームワークを提供する。
関連論文リスト
- LongSpike: Fractional Order Spiking State Space Models for Efficient Long Sequence Learning [53.855185131868446]
スパイキングニューラルネットワーク(SNN)は、シーケンシャルデータを処理する際の生物学的な妥当性とエネルギー効率を十分に考慮している。
本研究では,数次状態空間モデリングを統合した新しいSNNフレームワークであるLongSpikeを提案する。
従来の整数階数 SSM を分数計算系に拡張することにより、LongSpike は長いメモリカーネルとニューロンダイナミクスの階層的な統合を可能にする。
論文 参考訳（メタデータ） (2026-06-11T04:54:07Z) - DMF: A Deterministic Memory Framework for Conversational AI Agents [0.0]
我々は、生成メモリ圧縮を完全な決定論的パイプラインに置き換えるCPUファーストアプローチである決定論的メモリフレームワーク(DMF)を提案する。
DMFは、決定論的コンテンツ信号、会話の手がかり、構造化された前兆から計算されたSurvival Scoreを、ロジスティック・プロジェクションで組み合わせて割り当てる。
LoCoMoとLongMemEvalのデータセットを使用して、目的を組み込んだベンチマークで実験を行う。
論文 参考訳（メタデータ） (2026-06-02T10:41:28Z) - Efficient construction of time-invariant process tensors for simulating high-dimensional non-Markovian open quantum systems [0.0]
本稿では,プロセステンソル-行列積演算子(MPO)表現の新しいアルゴリズムを提案する。
MPO表現は環境の影響を捉え、システムサイズで大幅に拡張された計算スケーリングを実現する。
このアルゴリズムは、大規模開量子系における非マルコフ力学を捉えるだけでなく、プロセステンソルの既存のすべての能力を拡張できる。
論文 参考訳（メタデータ） (2026-03-06T20:02:43Z) - From Verbatim to Gist: Distilling Pyramidal Multimodal Memory via Semantic Information Bottleneck for Long-Horizon Video Agents [78.30630000529133]
本稿ではファジィトレース理論に基づくピラミッド型マルチモーダルメモリアーキテクチャMM-Memを提案する。
MM-Memメモリは階層的に感覚バッファ、エピソードストリーム、シンボリックに構造する。
実験により、MM-Memがオフラインタスクとストリーミングタスクの両方で有効であることが確認された。
論文 参考訳（メタデータ） (2026-03-02T05:12:45Z) - Agentic Learner with Grow-and-Refine Multimodal Semantic Memory [50.81667005063605]
ViLoMemは、コンパクトなスキーマベースのメモリを構築するデュアルストリームメモリフレームワークである。
視覚的障害パターンと論理的推論エラーを符号化し、MLLMが成功し失敗した経験から学ぶことを可能にする。
論文 参考訳（メタデータ） (2025-11-26T18:55:08Z) - Heterogenous Memory Augmented Neural Networks [84.29338268789684]
ニューラルネットワークのための新しいヘテロジニアスメモリ拡張手法を提案する。
学習可能なメモリトークンをアテンション機構付きで導入することにより、膨大な計算オーバーヘッドを伴わずに性能を効果的に向上させることができる。
In-distriion (ID) と Out-of-distriion (OOD) の両方の条件下での様々な画像およびグラフベースのタスクに対するアプローチを示す。
論文 参考訳（メタデータ） (2023-10-17T01:05:28Z) - Sublinear scaling in non-Markovian open quantum systems simulations [0.0]
プロセステンソルを計算する数値的精度のアルゴリズムを導入する。
我々のアプローチでは、無限メモリを持つ環境に対して$mathcalO(nlog n)$の特異値分解しか必要としない。
論文 参考訳（メタデータ） (2023-04-11T15:40:33Z) - Cumulative Memory Lower Bounds for Randomized and Quantum Computation [1.52292571922932]
累積記憶は時間空間の複雑さの尺度である。
逐次古典計算と量子回路の両方において、累積メモリの複雑さに関する最初の下位境界を証明した。
論文 参考訳（メタデータ） (2023-01-13T17:57:02Z) - Quantum Goemans-Williamson Algorithm with the Hadamard Test and
Approximate Amplitude Constraints [62.72309460291971]
本稿では,n+1$ qubitsしか使用しないGoemans-Williamsonアルゴリズムの変分量子アルゴリズムを提案する。
補助量子ビット上で適切にパラメータ化されたユニタリ条件として目的行列を符号化することにより、効率的な最適化を実現する。
各種NPハード問題に対して,Goemans-Williamsonアルゴリズムの量子的効率的な実装を考案し,提案プロトコルの有効性を実証する。
論文 参考訳（メタデータ） (2022-06-30T03:15:23Z) - Theoretical Convergence of Multi-Step Model-Agnostic Meta-Learning [63.64636047748605]
一般的なマルチステップMAMLアルゴリズムに対して収束保証を提供するための新しい理論フレームワークを開発する。
特に,本研究の結果は,収束を保証するためには,内部段階のステップを逆比例して$N$の内段ステップを選択する必要があることを示唆している。
論文 参考訳（メタデータ） (2020-02-18T19:17:54Z)
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。