Fugu-MT 論文翻訳(概要): Noise robust self testing from genuine local operation shared randomness multipartite nonlocality Tests

論文の概要: Noise robust self testing from genuine local operation shared randomness multipartite nonlocality Tests

arxiv url: http://arxiv.org/abs/2609.15436v1
Date: Mon, 14 Sep 2026 12:00:47 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-16 07:15:06.315714
Title: Noise robust self testing from genuine local operation shared randomness multipartite nonlocality Tests
Title（参考訳）: 実ローカル操作によるノイズロバスト自己検定と非局所性試験
Abstract要約: LOSRは、N-1$のパーティーを含む任意のリソースをローカルに構成することで得られるすべての因果ネットワークモデルを規定する。ベルスコアの損失$$に対して、状態と対応する測定アクションに対する明示的な$O(sqrt)$ベクトルノルム境界を導出する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Violation of the $N$-partite inequality introduced in Phys. Rev. Lett. 129, 150401 (2022) for genuine multipartite nonlocality under local operations and shared randomness (LOSR) rules out all causal-network models obtained by locally composing arbitrary resources involving at most $N-1$ parties, even when supplemented by shared randomness among all $N$ parties. Here, we demonstrate a device-independent self-test protocol for this. We further establish an analytic noise-robust self-test. For a Bell-score deficit $ε$, we derive explicit $O(\sqrtε)$ vector-norm bounds for the state and the corresponding measurement actions.
Abstract（参考訳）: Physで導入された$N$-partiteの不等式の違反 Rev. Lett. 129, 150401 (2022) は、ローカル操作下での真のマルチパーティ非局所性と共有ランダム性(英語版) (LOSR) に対して、最大$N-1$パーティを含む任意のリソースを局所的に構成することによって得られるすべての因果ネットワークモデルを規定する。ここでは、デバイスに依存しないセルフテストプロトコルを実証する。さらに,分析ノイズによる自己検査を行う。ベルスコアの損失$ε$に対して、状態と対応する測定アクションに対する明示的な$O(\sqrtε)$ベクトルノルム境界を導出する。

関連論文リスト

Robust Average-Reward Markov Decision Processes: Minimax-Optimal Learning via Plug-in Reductions [51.50375419691955]
分布的に堅牢なマルコフ決定プロセスは、モデルの不確実性の下でのシーケンシャルな意思決定のための原則化されたフレームワークを提供する。我々は,平均回帰基準の下で,$varepsilon$-Optimal robust policyを学習するのに必要なサンプル数と十分なサンプル数について検討した。
論文参考訳（メタデータ） (2026-08-06T19:49:48Z)
Tight Convergence Rates for Online Distributed Linear Estimation with Adversarial Measurements [66.94250413799232]
分散パラメータ-サーバ-ワーカー設定における乱数ベクトル$X$の推定について検討する。主な課題は、敵の計測と非同期である。その結果, 分散線形推定におけるロバスト性, 識別性, 統計的効率の統一的有限時間評価が得られた。
論文参考訳（メタデータ） (2026-04-07T11:45:55Z)
Probabilistically Tightened Linear Relaxation-based Perturbation Analysis for Neural Network Verification [83.25968588249776]
本稿では,LiRPAに基づく手法とサンプリングに基づく手法を組み合わせることで,厳密な中間到達性集合を計算できる新しいフレームワークを提案する。無視可能な計算オーバーヘッドでは、$textttPT-LiRPA$は推定された到達可能な集合を利用し、ニューラルネットワークの出力の上下線形境界を著しく締め付ける。
論文参考訳（メタデータ） (2025-07-07T18:45:53Z)
Collaborative non-parametric two-sample testing [55.98760097296213]
目標は、null仮説の$p_v = q_v$が拒否されるノードを特定することである。グラフ構造を効率的に活用する非パラメトリックコラボレーティブ2サンプルテスト(CTST)フレームワークを提案する。提案手法は,f-divergence Estimation, Kernel Methods, Multitask Learningなどの要素を統合する。
論文参考訳（メタデータ） (2024-02-08T14:43:56Z)
Robust generation of $N$-partite $N$-level singlet states by identical particle interferometry [0.0]
内部レベルが$N$の同一ボソンの完全非対称状態を生成するための干渉計方式を提案する。この状態は、劇的な量子優位性を持つ様々な問題の資源である。
論文参考訳（メタデータ） (2023-12-28T18:16:16Z)
On the Identifiability and Estimation of Causal Location-Scale Noise Models [122.65417012597754]
位置スケール・異方性雑音モデル(LSNM)のクラスについて検討する。症例によっては, 因果方向が同定可能であることが示唆された。我々は,LSNMの2つの推定器を提案し,その1つは(非線形)特徴写像に基づく推定器と,1つはニューラルネットワークに基づく推定器を提案する。
論文参考訳（メタデータ） (2022-10-13T17:18:59Z)
Optimal tests of genuine multipartite nonlocality [0.0]
線形プログラミングに基づく真の多部非局所性に対する最適数値テストを提案する。 2つの測定設定を含むベルのシナリオが、真の$n$-way非局所相関を決定するのにどの程度用いられるかを分析する。
論文参考訳（メタデータ） (2022-06-17T15:44:14Z)
Network nonlocality sharing via weak measurements in the generalized star network configuration [5.203042650294495]
ネットワーク非局所性は、標準的な量子非局所性と比較して全く新しい量子相関を示す。弱い測定によって一般化された双局所シナリオで共有することができる。
論文参考訳（メタデータ） (2022-06-07T08:24:55Z)
Optimal high-dimensional and nonparametric distributed testing under communication constraints [1.3535770763481905]
データを複数のマシンで分割する分散フレームワークにおいて、最小限のテストエラーを導出する。分散テストは, 分散推定では観測されない, 基本的に異なる現象を伴っていることを示す。
論文参考訳（メタデータ） (2022-02-02T11:31:02Z)
Experimentally friendly approach towards nonlocal correlations in multisetting N -partite Bell scenarios [0.0]
本稿では,Fonseca と Parisio[Phys. A 92, 03(R)] による最近提案された非局所性評価手法について検討する。ランダムに選択された$N$-qubit純状態とランダムに選択された測定ベースの両方において、局所的リアリズムの違反をほぼ100%の時間で検出できることが示される。
論文参考訳（メタデータ） (2020-09-24T13:54:44Z)
Locally Private Hypothesis Selection [96.06118559817057]
我々は、$mathcalQ$から$p$までの総変動距離が最良の分布に匹敵する分布を出力する。局所的な差分プライバシーの制約は、コストの急激な増加を引き起こすことを示す。提案アルゴリズムは,従来手法のラウンド複雑性を指数関数的に改善する。
論文参考訳（メタデータ） (2020-02-21T18:30:48Z)

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。