論文の概要: Environment Alignment and Redundant Record Formation in Imperfect-CNOT Quantum Darwinism

• arxiv url: http://arxiv.org/abs/2609.20823v1
• Date: Thu, 17 Sep 2026 17:59:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.43397
• Title: Environment Alignment and Redundant Record Formation in Imperfect-CNOT Quantum Darwinism
• Title（参考訳）: 不完全CNOT量子ダーウィン論における環境アライメントと冗長レコード形成
• Abstract要約: 不完全なCNOTモデルにおいて, 準備, 相互作用角, フィールド障害がどのように組み合わさるかを検討する。 フィールドがなければ、1つのアライメントパラメータ$$が条件-状態の区別可能性の準備と相互作用-角度依存性を決定する。
• 参考スコア（独自算出の注目度）: 45.88028371034407
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum Darwinism explains objective information through redundant environmental records. Earlier work established that imperfect records can be amplified and that environment self-evolution can enhance or suppress their formation. We investigate how preparation, interaction angle, and field disorder combine in an imperfect-CNOT model with random Gaussian couplings and pure, noninteracting environment qubits. We find that, without fields, a single alignment parameter $Λ$ determines the preparation and interaction-angle dependence of conditional-state distinguishability. Increasing interaction imperfection or local field strength can improve or suppress recording. We explain this nonmonotonic response through the geometry of conditional branch separation. For the pure initial environments considered here, the $Z$ basis remains optimal for Holevo information, so field-assisted recording requires no change of the recorded system observable. Comparing uniform local field strengths with Gaussian-distributed strengths at equal root-mean-square strength shows how disorder broadens both beneficial and detrimental field effects. Exact expressions for fragment information and numerical simulations with up to 24 environment qubits quantify the distinction between high mean information and reliable records across fragments and throughout a finite observation window. These results connect the geometry of local information acquisition to the fragment sizes needed for robust recording. The branch-distinguishability analysis itself requires only the conditional evolution of each environment qubit and extends to other interactions that preserve a system pointer basis.
• Abstract（参考訳）: 量子ダーウィン主義は冗長な環境記録を通して客観的情報を説明する。 初期の研究は、不完全なレコードを増幅し、環境の自己進化がそれらの形成を促進または抑制できることを確立していた。 本研究では,不完全なCNOTモデルとランダムなガウス結合と純粋で非相互作用的な環境量子ビットとの合成,相互作用角,フィールド障害について検討する。 場がなければ、1つのアライメントパラメータ$$は条件-状態の区別可能性の準備と相互作用-角度依存性を決定する。 相互作用不完全性や局所磁場強度の増大は記録を改善または抑制することができる。 条件分岐分離の幾何学を通して、この非単調応答を説明する。 ここで考慮された純粋な初期環境では、$Z$基底はホレボ情報に最適であり、フィールドアシスト記録は記録されたシステムの変更を必要としない。 均一局所強度とガウス分布強度を等根平均二乗強度で比較すると、障害が有益および有害な場効果の両方をいかに広げるかが分かる。 フラグメント情報に対する厳密な表現と最大24個の環境量子ビットの数値シミュレーションは、フラグメント全体および有限観測窓を通して、高い平均情報と信頼性記録の区別を定量化する。 これらの結果は、局所的な情報取得の幾何学と、ロバストな記録に必要なフラグメントサイズを結びつける。 分岐識別可能性解析そのものは、各環境の量子ビットの条件進化のみを必要とし、システムポインター基底を保持する他の相互作用にまで拡張する。

関連論文リスト

• Impute-EM: Native Mixed-State Diffusion Models for Heterogeneous Data Imputation [71.74203645336385]
  Impute-EMは、現在のモデルとインプットされていないエントリを交換し、完了したデータに拡散バックボーンをリフィットする。 我々は、この更新を特徴付け、観測されたマスクインデクシングされた辺縁線が、その限界で目標と一致していることを示す。
  論文  参考訳（メタデータ） (2026-09-14T09:39:13Z)
• Local verification cannot detect non-transportability: a cohomological theory of context preservation in agentic reasoning [0.0]
  エージェントAIシステムは、生物学的、臨床的、財務的な文脈で定期的に結論を伝達する。 局所的検証の新たなセーフガードは構造的に不完全であることを示す。 不均一な精度で歪みを定量化し、正確性を復元する精密な白紙形状を提供する。
  論文  参考訳（メタデータ） (2026-08-04T21:09:50Z)
• Uncertainty-aware damage identification in short-span bridges via physics-informed variational autoencoder [0.4893345190925178]
  本研究は,構造的健康モニタリングのための物理インフォームドガウスコーパス変分オートエンコーダを提案する。 我々は、潜伏変数の従来の独立性仮定をガウスコプラに置き換える。 その結果、PI-VAEは真の後部分布を正確に回復し、77.2%のカバレッジを達成した。
  論文  参考訳（メタデータ） (2026-07-06T13:02:36Z)
• SEED: Targeted Data Selection by Weighted Independent Set [76.68391670109433]
  我々はSEEDと呼ばれる堅牢でスケーラブルなデータ選択パイプラインを開発した。 SEEDは、命令チューニング、視覚的命令チューニング、セマンティックセグメンテーションにおける最先端の手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2026-05-15T07:26:54Z)
• Data-Driven Information-Theoretic Causal Bounds under Unmeasured Confounding [10.590231532335691]
  本研究では,データ駆動型情報理論フレームワークを開発し,条件付き因果関係の同定を行う。 我々の重要な理論的貢献は、観測分布 P(Y | A = a, X = x) と干渉分布 P(Y | do(A = a), X = x) の間の f-分割が、確率スコアのみの関数によって上界であることが示している。 この結果により、外部感度パラメータ、補助変数、完全な構造仕様、結果境界性仮定を必要とせず、観測データから直接条件因果効果を鋭く同定することができる。
  論文  参考訳（メタデータ） (2026-01-23T20:47:48Z)
• Differentiable Invariant Causal Discovery [106.87950048845308]
  観測データから因果構造を学ぶことは、機械学習の基本的な課題である。 本稿では,不特定変分因果解法(DICD)を提案する。 合成および実世界のデータセットに関する大規模な実験は、DICDがSHDの36%まで最先端の因果発見手法より優れていることを検証している。
  論文  参考訳（メタデータ） (2022-05-31T09:29:07Z)
• Suppressing information storage in a structured thermal bath: Objectivity and non-Markovianity [0.0]
  非マルコフの情報は、非マルコフの証人によって捉えられる。 本稿では,量子ダーウィン主義のパラダイムからPIP(Partial Information Plot)の古典的台地をいかに抑制するかを示す。 システムの観点からは,任意のモデル限界の環境下での計測において,アクセス可能な情報の符号化が不可能であることを示す。
  論文  参考訳（メタデータ） (2021-10-07T14:16:00Z)

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。