論文の概要: Quantum framework for event graphs

• arxiv url: http://arxiv.org/abs/2608.06058v2
• Date: Wed, 12 Aug 2026 22:15:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-14 16:15:26.805794
• Title: Quantum framework for event graphs
• Title（参考訳）: イベントグラフのための量子フレームワーク
• Authors: R. P. Erickson,
• Abstract要約: 我々は、有向参加者グラフに基づく量子フレームワークを開発する。 提案フレームワークは,量子インスパイアされたグラフに基づく異常検出のための数学的基礎を確立する。
• 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: Graph representations of discrete events provide a natural foundation for machine-learning models of anomaly detection, yet they also suggest a deeper quantum description in which graph structure gives rise to interacting quantum degrees of freedom. We develop a quantum framework based on a directed participant graph whose edges represent events connecting pairs of source and destination vertices. A line-graph transformation maps each event to a node of a bidirectional event graph, whose edges inherit relational information from the participant graph. Since event datasets are naturally organized as collections of event records, their raw attributes align directly with the nodes of the event graph. A quantum harmonic oscillator (QHO) is assigned to every node of the participant graph, with the collective Hilbert space of these QHOs providing a complete basis for representing quantum states. Every directed edge of the participant graph thereby acquires a Schwinger isospin arising from the two endpoint oscillators. Under the line-graph transformation, event-graph nodes correspond to observable isospins whose interactions through bidirectional edges provide a natural substrate for learning from event datasets, while the quantum states associated with the underlying participant nodes remain latent and inaccessible to direct observation. Within this framework we formulate a compact U(1) lattice gauge theory (LGT) on the event graph that leads to a Kogut-Susskind Hamiltonian (KSH) in the form of an XY-type spin model governing the dynamics of sparse anomalous-event isospins immersed in a bath of many nominal events. The proposed framework establishes a mathematical foundation for quantum-inspired graph-based anomaly detection and provides a principled bridge between graph learning, LGT, and quantum information.
• Abstract（参考訳）: 離散イベントのグラフ表現は、異常検出の機械学習モデルに自然な基盤を提供するが、グラフ構造が相互作用する量子自由度を生じさせる深い量子記述を示唆する。 我々は、エッジがソースとデスティネーションの頂点のペアを接続するイベントを表す有向参加グラフに基づく量子フレームワークを開発する。 線グラフ変換は、各イベントを双方向のイベントグラフのノードにマッピングし、エッジが参加者グラフから関係情報を継承する。 イベントデータセットはイベントレコードのコレクションとして自然に整理されるため、その生の属性はイベントグラフのノードと直接一致している。 量子調和振動子(QHO)は参加者グラフの全てのノードに割り当てられ、これらのQHOの集合ヒルベルト空間は量子状態を表現するための完全な基底を与える。 これにより、参加者グラフのすべての有向エッジは、2つのエンドポイント発振器から生じるシュウィンガーアイソスピンを取得する。 線グラフ変換の下では、イベントグラフノードは観測可能なアイソスピンに対応し、双方向エッジを介して相互作用することで、イベントデータセットから学習するための自然な基質を提供する。 このフレームワーク内では、イベントグラフ上にコンパクトなU(1)格子ゲージ理論(LGT)を定式化し、コグト・ススキンド・ハミルトニアン(KSH)に導かれる。 提案フレームワークは,量子インスパイアされたグラフに基づく異常検出のための数学的基盤を確立し,グラフ学習,LGT,量子情報間の原則的ブリッジを提供する。

関連論文リスト

• Symmetric and Antisymmetric Quantum States from Graph Structure and Orientation [0.0]
  グラフ状態が粒子置換の下で完全に対称であることは、基礎となるグラフが完備である場合に限る。 任意の向きが与えられた完全有向グラフは、奇数の四重項が完全に非対称な多粒子状態を生成することを示す。
  論文  参考訳（メタデータ） (2026-01-27T18:12:52Z)
• A Graph-Theoretic Approach to Quantum Measurement Incompatibility [0.0]
  測定の不整合性を定量化するためのグラフ理論フレームワークを開発した。 Lovsz数値が$k$-body Majorana観測値の正しいスケーリングをもたらすことを示す。 我々はロバスト性を決定する構造条件を同定する。
  論文  参考訳（メタデータ） (2025-11-20T01:06:46Z)
• Entanglement in Quantum Systems Based on Directed Graphs [0.0]
  有向グラフに関連する量子状態の絡み合い特性について検討する。 フビニ・スタディ計量から導かれる測度を用いて、多粒子交絡をグラフの局所接続性に定量的に関連付ける。
  論文  参考訳（メタデータ） (2025-09-05T16:17:03Z)
• Seq-HGNN: Learning Sequential Node Representation on Heterogeneous Graph [57.2953563124339]
  本稿では,シーケンシャルノード表現,すなわちSeq-HGNNを用いた新しい異種グラフニューラルネットワークを提案する。 Heterogeneous Graph Benchmark (HGB) と Open Graph Benchmark (OGB) の4つの広く使われているデータセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2023-05-18T07:27:18Z)
• Graph Transformer GANs for Graph-Constrained House Generation [223.739067413952]
  本稿では,グラフノード関係を効果的に学習するために,GTGAN(Graph Transformer Generative Adversarial Network)を提案する。 GTGANは、グラフ制約のある住宅生成タスクにおいて、エンドツーエンドで効率的なグラフノード関係を学習する。
  論文  参考訳（メタデータ） (2023-03-14T20:35:45Z)
• A Graph Regularized Point Process Model For Event Propagation Sequence [2.9093633827040724]
  ポイントプロセスは、不規則な間隔で発生するイベントシーケンスをモデル化するための支配的なパラダイムである。 本稿では,隣接ノード間のイベントインタラクションを特徴付けるグラフ正規化ポイントプロセスを提案する。 グラフ正規化法を適用することにより、GRPPはノード間の影響強度を明らかにすることによってモデル解釈可能性を提供する。
  論文  参考訳（メタデータ） (2022-11-21T04:49:59Z)
• Deep Graph-level Anomaly Detection by Glocal Knowledge Distillation [61.39364567221311]
  グラフレベルの異常検出(GAD)は、その構造やノードの特徴に異常なグラフを検出する問題を記述している。 GADの課題の1つは、局所的および大域的非正則グラフの検出を可能にするグラフ表現を考案することである。 本稿では,グラフとノード表現の連成ランダム蒸留により,グローバルおよびローカルな正規パターン情報を豊富に学習するGADのための新しい深部異常検出手法を提案する。
  論文  参考訳（メタデータ） (2021-12-19T05:04:53Z)
• Quantum walks on regular graphs with realizations in a system of anyons [0.0]
  我々は、結合スキームから相互作用するフォック空間を構築し、正規グラフ上の量子ウォークをセットアップする。 双対パースペクティブでは、フォック空間は、任意のシステムの観点から新しい意味を収集する。
  論文  参考訳（メタデータ） (2021-09-22T18:01:20Z)
• Reasoning Graph Networks for Kinship Verification: from Star-shaped to Hierarchical [85.0376670244522]
  階層型推論グラフネットワークの学習による顔の親和性検証の問題点について検討する。 より強力で柔軟なキャパシティを利用するために,星型推論グラフネットワーク(S-RGN)を開発した。 また、より強力で柔軟なキャパシティを利用する階層型推論グラフネットワーク(H-RGN)も開発しています。
  論文  参考訳（メタデータ） (2021-09-06T03:16:56Z)
• Spectral Embedding of Graph Networks [76.27138343125985]
  ローカルノードの類似性と接続性、グローバル構造をトレードオフする教師なしグラフ埋め込みを導入する。 埋め込みは一般化されたグラフ Laplacian に基づいており、固有ベクトルは1つの表現においてネットワーク構造と近傍近傍の両方をコンパクトにキャプチャする。
  論文  参考訳（メタデータ） (2020-09-30T04:59:10Z)

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。