Fugu-MT 論文翻訳(概要): Robust self-testing of nonmaximal entanglement from a reduced inner product game

論文の概要: Robust self-testing of nonmaximal entanglement from a reduced inner product game

arxiv url: http://arxiv.org/abs/2609.24349v1
Date: Mon, 21 Sep 2026 09:43:22 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-22 20:29:01.246496
Title: Robust self-testing of nonmaximal entanglement from a reduced inner product game
Title（参考訳）: 還元内積ゲームからの非最大エンタングルメントのロバスト自己検査
Abstract要約: 還元されたゲームは、その非最大エンタングル状態と全ての35の測定効果を自己検証する。自己検定の結果、任意の有限次元の極大絡み合い状態が完全にゲームに勝つことはない。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We reduce Lalonde's pseudo-telepathy inner product game from six to five dimensions, keeping its four Alice questions and three Bob questions and reducing each answer alphabet to five. We prove that the reduced game self-tests its nonmaximally entangled state and all 35 measurement effects. The self-test is also robust: for a strategy winning with probability at least $1-\varepsilon$ we obtain $d_{\mathrm{ext}}\le\min\{1,2^{21}\sqrt{\varepsilon}\}$, where $d_{\mathrm{ext}}=\sqrt{1-Ξ}$ and $Ξ$ is the optimal squared fidelity with the reference state under local extraction channels. A compactness argument then gives simultaneous qualitative robustness for all measurement actions on the state under common local isometries. As a consequence of the self-test, no maximally entangled state of any finite dimension can win the game perfectly.
Abstract（参考訳）: ラロンデの擬似テレパシー内積ゲームは6次元から5次元に減らし、4つのアリスの質問と3つのボブの質問を維持し、各回答のアルファベットを5次元に減らした。還元されたゲームは、その非最大エンタングル状態と全ての35の測定効果を自己検証する。確率が少なくとも1-\varepsilon$に対して、$d_{\mathrm{ext}}\le\min\{1,2^{21}\sqrt{\varepsilon}\}$を得る。コンパクト性引数は、共通局所等距離の下での状態上のすべての測定アクションに対して同時に質的ロバスト性を与える。自己検定の結果、任意の有限次元の極大絡み合い状態が完全にゲームに勝つことはない。

関連論文リスト

The Condition-Number Barrier in Sparse Least Squares [77.64108812086542]
AxiotisとSviridenkoは[AS21]において、凸最適化における制限条件数への線形依存はスパース時間アルゴリズムでは改善できないと推測した。我々は、最小二乗目的に対する予想下界を確立し、ランダム化された完全体積小セット展開仮説に基づく条件付けを行う。
論文参考訳（メタデータ） (2026-08-03T17:57:01Z)
An Optimal Analysis of the Product Test [42.29010058743949]
製品テストは、純多部量子状態が特定のテンソル分解に完全に絡み合っているかどうかを決定する。基本的なプロパティテストタスクであり、多くのアプリケーションがあるにもかかわらず、製品テストの正確な(最悪のケース)受け入れ確率曲線は、まだ完全には決定されていない。複雑性理論の応用として,Harrow-Montanaro還元の1ショット音響パラメータを$mathsfQMA(k)$から$mathsfQMA(2)$に改善した。
論文参考訳（メタデータ） (2026-07-23T16:17:44Z)
Provable Accuracy Collapse in Embedding-Based Representations under Dimensionality Mismatch [5.144873004876024]
我々は、鋭い次元精度のトレードオフを証明し、基本的な情報理論の限界を特定する。埋め込み次元が$d$でなければ、精度は突然崩壊する。
論文参考訳（メタデータ） (2026-05-05T04:05:34Z)
Testing the Feasibility of Linear Programs with Bandit Feedback [53.40256244941895]
我々は,低回帰アルゴリズムと反復対数の漸近法則に基づくテストを開発する。このテストが信頼できることを証明し、信号レベルに適応する'$Gamma,$ of any instance。信頼性テストのサンプルコストに対して、最小限の$(Omegad/Gamma2)$で補う。
論文参考訳（メタデータ） (2024-06-21T20:56:35Z)
Horizon-free Reinforcement Learning in Adversarial Linear Mixture MDPs [72.40181882916089]
我々のアルゴリズムが $tildeObig((d+log (|mathcalS|2 |mathcalA|))sqrtKbig)$ regret with full-information feedback, where $d$ is the dimension of a known feature mapping is linearly parametrizing the unknown transition kernel of the MDP, $K$ is the number of episodes, $|mathcalS|$ and $|mathcalA|$ is the standardities of the state and action space。
論文参考訳（メタデータ） (2023-05-15T05:37:32Z)
Online Learning with Adversaries: A Differential-Inclusion Analysis [52.43460995467893]
我々は,完全に非同期なオンラインフェデレート学習のための観察行列ベースのフレームワークを提案する。我々の主な結果は、提案アルゴリズムがほぼ確実に所望の平均$mu.$に収束することである。新たな差分包摂型2時間スケール解析を用いて,この収束を導出する。
論文参考訳（メタデータ） (2023-04-04T04:32:29Z)
Counterexamples in self-testing [0.0]
非ローカルゲームにおける自己テストについて検討する。特に、ある特定の量子状態の存在を証明した量子優位性を持つ2党の非局所ゲームやベルの不等式は、すべて不等式であるだろうか? 私たちのカウンターサンプルは、独立した関心を持つゲームのクラスに基づいています。
論文参考訳（メタデータ） (2022-12-22T09:52:18Z)
Practical parallel self-testing of Bell states via magic rectangles [0.0]
自己検査は、純粋に古典的な統計から特定の量子状態を持つことを検証する方法である。 3倍のマジック長方形ゲームを使って、シングルキュービットのパウリオブザーバブルを測るだけで、n$ Bell状態のセルフテストを得ることができます。
論文参考訳（メタデータ） (2021-05-09T23:07:18Z)
Constant-sized robust self-tests for states and measurements of unbounded dimension [0.0]
相関は$p_n,x$で、基礎となる状態と測定をしっかりと自己検定する。我々は、非有界次元の測定のための定数サイズの自己検定を初めて行った。
論文参考訳（メタデータ） (2021-03-02T14:02:17Z)
Near-Optimal Reinforcement Learning with Self-Play [50.29853537456737]
我々は,直接の監督なしに自己対決で最適な政策を学習するセルフプレイアルゴリズムに焦点をあてる。本稿では,サンプル複雑性を$tildemathcalO(SAB)$,サンプル複雑性を$tildemathcalO(S(A+B)$とする新しいemphNash Vラーニングアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-06-22T05:00:13Z)
A Randomized Algorithm to Reduce the Support of Discrete Measures [79.55586575988292]
離散確率測度が$N$原子と$n$実数値関数の集合で成り立つと、元の$N$原子の$n+1$の部分集合で支えられる確率測度が存在する。我々は、負の円錐によるバリセンターの簡単な幾何学的特徴付けを与え、この新しい測度を「グリード幾何学的サンプリング」によって計算するランダム化アルゴリズムを導出する。次に、その性質を研究し、それを合成および実世界のデータにベンチマークして、$Ngg n$ regimeにおいて非常に有益であることを示す。
論文参考訳（メタデータ） (2020-06-02T16:38:36Z)

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。