論文の概要: Krylov Tomography and Finite-Uncertainty Certification of Exceptional-Point Dynamics

• arxiv url: http://arxiv.org/abs/2608.19761v1
• Date: Thu, 20 Aug 2026 08:06:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-21 20:28:51.490595
• Title: Krylov Tomography and Finite-Uncertainty Certification of Exceptional-Point Dynamics
• Title（参考訳）: クリロフトモグラフィと例外点ダイナミクスの有限不確かさ証明
• Abstract要約: Krylovトモグラフィ(Krylov tomography)は、時間分解データと不確実性のあるモデルを用いた、準備と測定を意識したフレームワークである。 第二モーメントコヒーレンスセクターが三階EPを含むレッドサイドバンド光学モデルの有限精度シミュレーションを提案する。 クリロフトモグラフィーはEP構造と有限精度の測定を橋渡し、非エルミート系の一般的な枠組みを提供する。
• 参考スコア（独自算出の注目度）: 4.239775815863115
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Exceptional points (EPs) can produce striking responses, but locating one does not reveal how much of its dynamics an excitation accesses, which responses a detector distinguishes, or whether a missing signal is absent or undetected. We introduce Krylov tomography, a preparation- and measurement-aware framework that uses time-resolved data and models with stated uncertainty limits to answer these questions, while also bounding offset-induced departures from exact-EP behavior. As an explicit illustration of the general framework, we present finite-precision simulations of a red-sideband optomechanical model, whose second-moment coherence sector contains a third-order EP, certifying preparation-sensitive access to two and three directions. Krylov tomography thus bridges EP structure and finite-precision measurements, providing a general framework for non-Hermitian systems.
• Abstract（参考訳）: 例外点 (EPs) は衝撃的な応答を生じさせるが、励起がどの程度のダイナミックスにアクセスするか、検出器が区別する応答、行方不明の信号が欠如しているか、検出されていないかは明らかにしない。 Krylovトモグラフィ(Krylovトモグラフィ)は、時間分解データと不確実性に制限されたモデルを用いて、これらの質問に答えるとともに、オフセットによって引き起こされる正確なEP行動からの逸脱を制限するフレームワークである。 一般的な枠組みの明示的な図示として,第2モーメントコヒーレンスセクターが第3次EPを含むレッドサイドバンド光学モデルの有限精度シミュレーションを行い,2方向と3方向への準備に敏感なアクセスを証明した。 クリロフトモグラフィーはEP構造と有限精度の測定を橋渡し、非エルミート系の一般的な枠組みを提供する。

関連論文リスト

• Mind the Gap: Robustness Risks in PII Detection Systems [6.167318681955322]
  我々は,ノイズ,非構造,非公式な入力の下で,異なるPII検出パラダイムがどのように失敗するかを検討する。 単一のアーキテクチャは、PIIカテゴリ全体で一様に信頼性がない。 これらの知見に触発されて,反復的リスク軽減のためのQA駆動フィードバックループを用いたハイブリッド検出パイプラインを提案する。
  論文  参考訳（メタデータ） (2026-09-03T07:23:28Z)
• Beyond Boundary Noise: Aggregated Aleatoric Uncertainty Fails to Capture Presence Ambiguity in 3D Lung Nodule Segmentation [13.944682026264472]
  3次元肺セグメンテーションにおいて,アレタリック不確実性が存在の曖昧さをいかに捉えているかを系統的に評価した。 エントロピーに基づく不確実性マップは境界雑音と一致しているが,不明瞭さに対する識別信号は不十分である。 凍結セグメンテーションで訓練された軽量な教師付き曖昧性ヘッドはエントロピー集約に基づくベースラインを大幅に上回る。
  論文  参考訳（メタデータ） (2026-08-14T12:12:34Z)
• AnchorMoE: Interpretable Time Series Classification via Anchor-Routed MoE [51.994752158953084]
  AnchorMoEは、解釈可能な構成別分類フレームワークである。 ローカルパッチのマルチビュー表現をエンコードし、専門の専門家にルーティングする。 実世界のベンチマークと合成ベンチマークの実験は、AnchorMoEが非常に競争力のある分類性能を達成することを示した。
  論文  参考訳（メタデータ） (2026-06-02T13:30:54Z)
• Uncertainty-Aware Gaussian Map for Vision-Language Navigation [63.97713877754199]
  Vision-Language Navigation (VLN)は、自然言語の指示に従って3D環境をナビゲートするエージェントを必要とする。 本研究では,3種類の知覚的不確実性(幾何学的,意味的,外見的不確実性)を明示的にモデル化し,エージェントの観察空間に統合し,情報的意思決定を可能にする。
  論文  参考訳（メタデータ） (2026-05-26T03:33:47Z)
• A Formal Basis for Quantum Cryptographic Exposure Measurement under HNDL Threat [0.0]
  答えの関数形式は単なるキャリブレーションの選択ではないことを示す。 これは、逆生成と値デカイダイナミクスに関する3つの仮定によって構造的に正当化される。
  論文  参考訳（メタデータ） (2026-05-21T14:48:26Z)
• EviRCOD: Evidence-Guided Probabilistic Decoding for Referring Camouflaged Object Detection [9.823189831191064]
  参照カモフラージオブジェクト検出(Referring Camouflaged Object Detection, Ref-COD)は、カテゴリ整列参照を用いたクエリイメージ内の特定のカモフラージされたターゲットのセグメンテーションに焦点を当てる。 EviRCOD は,(1) 階層的な参照駆動型変調と多スケールの変形可能なアグリゲーションを利用して,セマンティックな先行表現を注入し,クロススケールな表現を整列する参照誘導型変形性(RGDE) ; (2) ディリクレ証拠推定を階層的なデコードに組み込んだ不確実性認識証拠デコーダ(UAED) と,(3) 境界認識再閉じ込めモジュールである。
  論文  参考訳（メタデータ） (2026-04-13T01:53:45Z)
• Uncertainty Estimation for Deep Reconstruction in Actuatic Disaster Scenarios with Autonomous Vehicles [68.82821445619759]
  原理的不確実性定量化は 能動センシング戦略に不可欠です Evidential Deep Learningは、すべてのセンサ構成で最高の再構築精度と不確実性校正を実現する。 これらの知見は、リアルタイムの自動運転車配備における不確実性認識フィールド再構築の方法として、エビデンシャル・ディープ・ラーニングを支持している。
  論文  参考訳（メタデータ） (2026-04-07T19:17:44Z)
• Agentic Uncertainty Quantification [76.94013626702183]
  本稿では,言語化された不確実性をアクティブな双方向制御信号に変換する統合されたデュアルプロセスエージェントUQ(AUQ)フレームワークを提案する。 システム1(Uncertainty-Aware Memory, UAM)とシステム2(Uncertainty-Aware Reflection, UAR)は、これらの説明を合理的な手段として利用し、必要な時にのみターゲットの推論時間解決をトリガーする。
  論文  参考訳（メタデータ） (2026-01-22T07:16:26Z)
• Open-Set LiDAR Panoptic Segmentation Guided by Uncertainty-Aware Learning [17.188627352236782]
  我々は不確実性誘導型オープンセット・パノプティクス・セグメンテーション・フレームワークであるULOPSを提案する。 我々のアーキテクチャは、不確実性推定を伴うセマンティックセグメンテーションのための分離されたデコーダを組み込んでいる。 推論中、未知のインスタンスを識別および分割するために不確実性推定を利用する。
  論文  参考訳（メタデータ） (2025-06-16T09:03:51Z)
• Uncertainty-Aware Adaptation for Self-Supervised 3D Human Pose Estimation [70.32536356351706]
  本稿では、2つの出力ヘッドを2つの異なる構成にサブスクライブする共通のディープネットワークバックボーンを構成するMPP-Netを紹介する。 ポーズと関節のレベルで予測の不確実性を定量化するための適切な尺度を導出する。 本稿では,提案手法の総合評価を行い,ベンチマークデータセット上での最先端性能を示す。
  論文  参考訳（メタデータ） (2022-03-29T07:14:58Z)
• Coalitional Bayesian Autoencoders -- Towards explainable unsupervised deep learning [78.60415450507706]
  その結果,BAEの予測は高い相関関係にあり,誤解を招くことが示唆された。 これを軽減するために、エージェントベースのシステム理論にインスパイアされた"Coalitional BAE"が提案されている。 公開条件監視データセットに関する実験は、Coalitional BAEを用いた説明の質の向上を実証している。
  論文  参考訳（メタデータ） (2021-10-19T15:07:09Z)

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。