論文の概要: Entanglement, Evolutionary Stability, and Strategy-Space Dependence in an EWL Quantum Game

• arxiv url: http://arxiv.org/abs/2607.21103v1
• Date: Thu, 23 Jul 2026 09:32:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.351152
• Title: Entanglement, Evolutionary Stability, and Strategy-Space Dependence in an EWL Quantum Game
• Title（参考訳）: EWL量子ゲームにおける絡み合い, 進化的安定性, 戦略空間依存性
• Abstract要約: 量子化は 対称な 2時間2ドルゲームにおける 進化の安定性に影響を与える エンタングルメントは制限されたEWL戦略空間内でのみ平衡を安定化することを示す。
• 参考スコア（独自算出の注目度）: 1.901453512012934
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We examine how Eisert--Wilkens--Lewenstein (EWL) quantization affects evolutionary stability in a symmetric $2\times2$ game whose interior mixed Nash equilibrium is not evolutionarily stable. In the restricted two-parameter EWL strategy space, the quantum equilibrium $s^*=(π/2,π/4)$ becomes a strict symmetric Nash equilibrium, and hence an evolutionarily stable strategy, for every $γ>0$. Extending the admissible pure strategies to the full three-parameter $SU(2)$ family preserves the Nash equilibrium but introduces a continuum of payoff-neutral mutants, causing strictness and the second ESS condition to fail. Thus, entanglement stabilizes the equilibrium only within the restricted EWL strategy space; the effect does not survive enlargement to full $SU(2)$.
• Abstract（参考訳）: 内部混合ナッシュ平衡が進化的に安定でない対称2\times2$ゲームにおいて、Eisert--Wilkens--Lewenstein(EWL)量子化が進化安定性にどのように影響するかを検討する。 制限された2パラメータ EWL 戦略空間では、量子平衡 $s^*=(π/2,π/4)$ は厳密な対称ナッシュ均衡となり、従ってすべての$γ>0$ に対して進化的に安定な戦略となる。 許容可能な純粋な戦略を3パラメータのSU(2)$ファミリーに拡張すると、ナッシュ均衡は保たれるが、ペイオフニュートラル変異の連続体を導入し、厳密さと第二のESS条件が失敗する。 したがって、絡み合いは制限されたEWL戦略空間内でのみ平衡を安定化し、効果はフル$SU(2)$まで拡大し続けることはない。

関連論文リスト

• Paradoxes of Game Theoretic Equilibria and Price of Anarchy [36.44731230315158]
  マルチエージェント学習を均衡に還元することは、動的不均衡とゲーム論的境界の基盤を曖昧にすることを示す。 最悪の純粋なナッシュ均衡は、ロバストなアナーキー境界のプライスを、トポロジカルに不安定な厳密なサドルとして表している。 学習軌跡を関連遊びの離散的単純度に投影することは、体系的に非合理的な振る舞いを許容する。
  論文  参考訳（メタデータ） (2026-07-13T16:09:35Z)
• Entanglement in the Quantum Volunteer's Dilemma [0.0]
  我々は、Volunteer's Dilemmaゲーム理論の量子バージョンを研究する。 対称なナッシュ平衡を維持するためには,最大絡み合いは不要である。 この特徴は資源制約された量子デバイスの実装に直接関係している。
  論文  参考訳（メタデータ） (2026-06-06T15:31:16Z)
• Risk-Dominant Equilibrium in Quantum Prisoner's Dilemma [0.0]
  絡み合いはリスク支配均衡を完全にコントロールしている。 絡み合いはリスク支配均衡における量子協調を促進し、その結果を改善する。
  論文  参考訳（メタデータ） (2024-06-22T09:37:27Z)
• On Tractable $Φ$-Equilibria in Non-Concave Games [53.212133025684224]
  非コンケーブゲームにおいて、抽出可能な$Phi$-equilibriaについて検討する。 Phi$が有限であるとき、対応する$Phi$-equilibriaに収束する効率的な非結合学習アルゴリズムが存在することを示す。
  論文  参考訳（メタデータ） (2024-03-13T01:51:30Z)
• A Quadratic Speedup in Finding Nash Equilibria of Quantum Zero-Sum Games [95.50895904060309]
  最適行列乗算重み更新(OMMWU)アルゴリズムを導入し,平均収束複雑性を$mathcalO(d/epsilon)$ to $epsilon$-Nash equilibriaとする。 この二次的なスピードアップは、量子ゼロサムゲームにおける$epsilon$-Nash平衡の計算のための新しいベンチマークを定めている。
  論文  参考訳（メタデータ） (2023-11-17T20:38:38Z)
• Differentiable Arbitrating in Zero-sum Markov Games [59.62061049680365]
  ゼロサムマルコフゲームにおいて、2人のプレイヤーが望ましいナッシュ均衡、すなわち仲裁を誘導する報酬を摂動する方法を研究する。 低いレベルでは、与えられた報酬関数の下でのナッシュ均衡の解決が必要であり、それによって全体的な問題をエンドツーエンドで最適化することが難しくなる。 上層階の勾配フィードバックを提供するナッシュ平衡を微分するバックプロパゲーション方式を提案する。
  論文  参考訳（メタデータ） (2023-02-20T16:05:04Z)
• $2 \ imes 2$ Zero-Sum Games with Commitments and Noisy Observations [1.9654639120238482]
  2times2$ 0-sum ゲームの平衡は常に存在することが示される。 リーダーの行動を観察することは、フォロワーにとって有益か非物質かのどちらかである。 このゲームの平衡におけるペイオフは、純粋な戦略においてスタックルバーグ均衡(SE)におけるペイオフによって上限づけられる。
  論文  参考訳（メタデータ） (2022-11-03T10:56:00Z)
• The Franke-Gorini-Kossakowski-Lindblad-Sudarshan (FGKLS) Equation for Two-Dimensional Systems [62.997667081978825]
  開量子系は、FGKLS(Franke-Gorini-Kossakowski-Lindblad-Sudarshan)方程式に従うことができる。 我々はヒルベルト空間次元が 2$ である場合を徹底的に研究する。
  論文  参考訳（メタデータ） (2022-04-16T07:03:54Z)
• Sample-Efficient Learning of Stackelberg Equilibria in General-Sum Games [78.65798135008419]
  一般的なゲームでStackelberg平衡を効率的に学習する方法は、サンプルから非常にオープンなままです。 本稿では,2プレーヤターンベース汎用ゲームにおけるStackelberg平衡のサンプル効率学習に関する理論的研究を開始する。
  論文  参考訳（メタデータ） (2021-02-23T05:11:07Z)
• No-regret learning and mixed Nash equilibria: They do not mix [64.37511607254115]
  我々はFTRL(Follow-the-regularized-leader)のダイナミクスについて検討する。 厳密でないナッシュ均衡は、FTRLの下で安定して引き寄せることは不可能である。 この結果は,学習過程の結果を予測する上で重要な意味を持つ。
  論文  参考訳（メタデータ） (2020-10-19T13:49:06Z)

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。