論文の概要: Loophole-Robust Certification of Quantum Advantage
- arxiv url: http://arxiv.org/abs/2607.13090v1
- Date: Mon, 13 Jul 2026 18:12:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.528507
- Title: Loophole-Robust Certification of Quantum Advantage
- Title（参考訳）: 量子アドバンテージのループホール・ローバスト認証
- Abstract要約: 最適なベンチマーク依存の古典スコアは、$S_leqmin1,S_mathrmcl+$に従っており、この境界を飽和させる一連のタスクを構成する。
フレームワークを有限サンプルデータ、相互情報制約、多部タスク、因果経路に沿って分布する相関に拡張する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Claims of quantum advantage should remain robust even when classical strategies have access to side information correlated with the benchmark under evaluation, just as Bell certification must account for measurement dependence. We formalize such correlations as benchmark dependence, a task-level generalization of measurement dependence. For every bounded-reward task, we show that the optimal benchmark-dependent classical score obeys $S_η\leq\min\{1,S_{\mathrm{cl}}+η\}$, and construct a family of tasks that saturates this bound, showing that the linear dependence on $η$ is tight without further assumptions. For repeated product tasks with roundwise dependence, we obtain the stronger multiplicative bound $S_η^{(n)}\leq(ω_{\mathrm c}+η)^n$, and extend the framework to finite-sample data, mutual-information constraints, multipartite tasks, and correlations distributed along a causal path. Applying these results to aggregated IBM hardware data, we obtain positive raw-count cycle-product certificates of 0.0812 for CHSH and 0.2178 for Mermin--GHZ, while the nine-context magic-square construction remains uncertified; readout-mitigated values are reported separately as sensitivity estimates. We also analyze a non-Bell quantum-kernel benchmark, where a label-construction variable has measured conditional dependence $\widehatη_λ^{(Y)}=0.5$, above the threshold $η_{\mathrm{req}}=0.375$, required to close the reported score gap, and yields perfect classical classification. The framework therefore converts a quantum--classical score separation into a quantitative lower bound on the benchmark-correlated classical information required to explain the score separation.
- Abstract（参考訳）: 古典的戦略が評価対象のベンチマークと相関する側情報にアクセスできたとしても、ベル認証が測定依存を考慮しなければならないように、量子優位性の主張は引き続き堅牢であるべきである。
このような相関関係はベンチマーク依存やタスクレベルの測定依存の一般化などによって定式化される。
任意の有界逆タスクに対して、最適なベンチマーク依存の古典的スコアが$S_η\leq\min\{1,S_{\mathrm{cl}}+η\}$に従うことを示し、この境界を飽和するタスクの族を構築し、$η$に対する線形依存がそれ以上の仮定なしできつくなっていることを示す。
逐次依存を持つ繰り返し積タスクに対しては、強い乗法境界を持つ$S_η^{(n)}\leq(ω_{\mathrm c}+η)^n$ を取得し、フレームワークを有限サンプルデータ、相互情報制約、多部タスク、因果経路に沿って分布する相関に拡張する。
これらの結果を集約したIBMハードウェアデータに適用すると、CHSHは0.0812、Mermin-GHZは0.2178の正の生数サイクル積証明書が得られるが、9つのコンテキストのマジック・スクエア構造は未確定であり、読み出し軽減値は感度推定として別々に報告される。
また,ラベル構成変数が条件依存性$\widehatη_λ^{(Y)}=0.5$,しきい値$η_{\mathrm{req}}=0.375$,報告されたスコアギャップを閉じるために必要なしきい値$η_{\mathrm{req}}=0.375$,そして完全な古典的分類が得られるような非ベル量子カーネルベンチマークも解析する。
したがって、このフレームワークは、量子古典的なスコア分離を、スコア分離を説明するために必要なベンチマーク関連古典情報に基づく定量的な下限に変換する。
関連論文リスト
- Phase-cycled randomized benchmarking of quantum processors: recovering hidden classical noise correlations [0.3499870393443268]
スロット境界における連続的進化と独立定常リセットが任意の固定アイドル変調に対して同じ平均応答をもたらすことを示す。
我々は,2組のブートストラップ推定器の経験的カバレッジを定量化する。
ネイティブまたは量子メモリ検出は要求されない。
論文 参考訳（メタデータ） (2026-09-06T07:48:16Z) - Scalable Lindblad Noise Learning via Stochastic Tensor-Network Simulation [48.887627688666974]
大規模オープン量子システムにおける学習散逸率は、短期量子技術の大きな障害である。
本稿では,シミュレーション手法であるJump Method(TJM)を組み合わせたLindblad散逸率のスケーラブルなノイズ学習フレームワークを提案する。
我々は,Isingモデルにおける2つのノイズモデルに対するアプローチを実証し,各サイトについて,N_mathrmsite=16$まで独立散逸率を学習した。
スケーラブルな数値と厳密な理論的保証の組み合わせは、TJMベースのノイズ学習を大きな量子デバイスにおける散逸を特徴づける実用的な基礎として位置づけている。
論文 参考訳（メタデータ） (2026-08-25T15:07:11Z) - Tail allocation for conformal prediction intervals [1.0163716169047106]
本研究では,報告された予測セットが単一区間でなければならない場合の回帰の分割等式予測について,目標限界範囲が1-$である場合,名目上の誤発見レベルが$$である場合について検討する。
この報告制約の下では、自然条件対象は、等尾区間やおそらく非連結な高確率集合ではなく、条件質量が少なくとも1-$の最も短い区間である。
このシングルインターバルをローテールアロケーションによってパラメータ化し、名目上の誤発見が2つのエンドポイント間でどのように分割されるかを決定する。
論文 参考訳（メタデータ） (2026-04-28T04:14:27Z) - Q-Measure-Learning for Continuous State RL: Efficient Implementation and Convergence [10.189658648290257]
連続状態空間を持つ無限水平割引マルコフ決定過程における強化学習について検討する。
本稿では,訪問状態-行動ペアで支援された署名付き実証尺度を学習する新しいQ-Measure-Learningを提案する。
論文 参考訳（メタデータ） (2026-03-03T21:15:22Z) - Almost Asymptotically Optimal Active Clustering Through Pairwise Observations [59.20614082241528]
そこで本研究では, ノイズと能動的に収集された応答を用いて, M$アイテムを未知数の$K$個別グループにクラスタリングするための新しい分析フレームワークを提案する。
クラスタリングの精度に対する望ましい信頼性を達成するのに必要なクエリ数の基本的下位境界を確立する。
我々は、一般化された同値比統計の計算可能な変種を開発し、その下限に対する性能ギャップを正確に推定できることを実証的に示す。
論文 参考訳（メタデータ） (2026-02-05T14:16:47Z) - Stabilizing Fixed-Point Iteration for Markov Chain Poisson Equations [49.702772230127465]
有限状態マルコフ鎖を$n$状態と遷移行列$P$で研究する。
すべての非退化モードが実周辺不変部分空間 $mathcalK(P)$ によってキャプチャされ、商空間 $mathbbRn/mathcalK(P) 上の誘導作用素が厳密に収縮し、ユニークな商解が得られることを示す。
論文 参考訳（メタデータ） (2026-01-31T02:57:01Z) - Improved Sample Complexity for Full Coverage in Compact and Continuous Spaces [0.0]
我々は$d$次元単位ハイパーキューブにおける一様ランダムサンプリングについて検討した。
故障確率に対数依存するサンプル複雑性を導出する。
我々の発見は、グリッドベースのカバレッジ保証に依存するアルゴリズムに対して、よりシャープな理論的ツールを提供する。
論文 参考訳（メタデータ） (2025-11-21T21:06:14Z) - Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
生成のための教師なし共形推論フレームワークを提案する。
我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。
その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
論文 参考訳（メタデータ） (2025-09-26T23:40:47Z) - Evaluating Cumulative Spectral Gradient as a Complexity Measure [0.0]
データセットの複雑性尺度としてCSG(Cumulative Spectral Gradient)が提案された。
本研究では,標準知識グラフリンク予測ベンチマークを用いてCSGの挙動を厳格に評価する。
論文 参考訳（メタデータ） (2025-09-02T15:10:25Z) - An Interpretable Measure for Quantifying Predictive Dependence between Continuous Random Variables -- Extended Version [0.0]
連続変数 $X$ と $Y$ の関連度を評価する新しい尺度を導入する。
この尺度の重要な利点は、その解釈可能性である。
我々は,90,000以上の実・合成データセットを用いて測定結果の評価を行った。
論文 参考訳（メタデータ） (2025-01-18T16:25:20Z) - Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise [51.87307904567702]
量子レグレッション(Quantile regression)は、出力の分布における量子の実験的推定を通じてそのような間隔を得るための主要なアプローチである。
本稿では、この任意の制約を除去する量子回帰に基づく区間構成の直接的な代替として、Relaxed Quantile Regression (RQR)を提案する。
これにより、柔軟性が向上し、望ましい品質が向上することが実証された。
論文 参考訳（メタデータ） (2024-06-05T13:36:38Z) - Solving correlation clustering with QAOA and a Rydberg qudit system: a
full-stack approach [94.37521840642141]
量子近似最適化アルゴリズム(QAOA)とクォーディットを用いた相関クラスタリング問題について検討する。
具体的には、中性原子量子コンピュータを検討し、相関クラスタリングのためのフルスタックアプローチを提案する。
ゲート数によって定量化されるように、quditの実装はqubitエンコーディングよりも優れていることを示す。
論文 参考訳（メタデータ） (2021-06-22T11:07:38Z)
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。