論文の概要: Model-Uncertainty-Aware Digital Twins for Non-Markovian Quantum Repeater Memories

• arxiv url: http://arxiv.org/abs/2610.34506v1
• Date: Sun, 25 Oct 2026 19:03:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-29 18:42:38.140028
• Title: Model-Uncertainty-Aware Digital Twins for Non-Markovian Quantum Repeater Memories
• Title（参考訳）: 非マルコフ量子リピータ記憶のためのモデル不確実性を考慮したディジタル双晶
• Abstract要約: 量子リピータコントローラは、隣接するリンクが生成されると、格納された絡み合いの信頼性の高い推定が必要である。 モデル不確実性を考慮した物理制約付きデジタル双対QMemTwinを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum-repeater controllers need reliable estimates of stored entanglement as adjacent links are generated. Fixed exponential lifetimes miss non-Markovian revivals, while complex surrogates are unnecessary when the microscopic family is known. We present QMemTwin, a physics-constrained digital twin that accounts for model uncertainty. It calibrates a bank of contractive passive state-space models, combines their amplitudes with finite-sample-corrected Akaike weights, and abstains when temporal-holdout data indicate unsupported dynamics. Passivity guarantees a completely positive, trace-preserving amplitude-damping channel for each candidate and their convex amplitude average. We evaluate [N cases] synthetic memories: [N supported] supported passive time-invariant cases and [N structural] nonstationary structural-shift cases. In the matched one-pseudomode regime, the correctly specified one-pseudomode fit performs best. Across [N unknown] supported cases with uncertain families, QMemTwin reduces population RMSE by [population reduction]% and Bell-fidelity RMSE by [Bell reduction]% relative to the two-pseudomode model; both paired effects remain significant after Holm correction. The flexible passive model has a slightly lower mean error for unknown families but is statistically indistinguishable from QMemTwin and loses accuracy in the matched regime. The temporal-holdout gate detects [detection]% of structural shifts, with [false alarm]% false alarms on supported families and AUROC [AUC]. In 2-, 4-, and 8-link repeater chains, the mixed cohort shows no significant 8-link goodput gain. A predeclared high-backflow stress cohort yields an 8-link goodput gain of [goodput gain]% over the two-pseudomode model, with paired p = [p value]. These results favor using a known family when available, accounting for model uncertainty otherwise and abstaining on unsupported dynamics.
• Abstract（参考訳）: 量子リピータコントローラは、隣接するリンクが生成されると、格納された絡み合いの信頼性の高い推定が必要である。 固定された指数的寿命は非マルコフの復活を逃すが、顕微鏡的なファミリーが知られている場合には複雑な代理は不要である。 モデル不確実性を考慮した物理制約付きデジタル双対QMemTwinを提案する。 契約型受動的状態空間モデルのバンクを校正し、振幅を有限サンプル補正赤池重みと組み合わせ、時間的保持データが非定常なダイナミクスを示すときの減衰を補正する。 受動性は、各候補とその凸振幅平均に対して、完全に正の、トレース保存された振幅減衰チャネルを保証する。 我々は[N]合成記憶の評価を行った:[N]サポートされた受動時不変ケースと[N]構造的]非定常構造シフトケース。 一致したワン・プードモデ系では、正しく指定されたワン・プードモデ適合が最もよく機能する。 QMemTwinは, 不確定な家族をもつ患者に対して, 人口減少率%, ベル忠実度RMSE率%で2-プシュードモデモデルに比例して, 人口減少率%, ベル忠実度RMSE率(Bell reduction)%で, 両効果はホルム補正後も有意な傾向を示した。 フレキシブル・パッシブ・モデルでは未知の家系の平均誤差がわずかに低いが、QMemTwinと統計的に区別できないため、一致した状態では精度が低下する。 時間的ホールドアウトゲートは、支援家族とAUROC[AUC]に対して、[偽アラーム]%の誤警報で、構造的シフトの[検出]%を検出する。 2-, 4-, 8-リンクリピータ鎖では, 混合コホートは8-リンク利得を有意に示さなかった。 事前宣言された高バックフロー応力コホートは、ペアp = [p値] の2擬モデモデルに対して、[良い利得]%の8リンク良い利得を得る。 これらの結果は、利用可能なときに既知のファミリーを使用すること、モデルの不確実性を考慮し、サポートされていないダイナミクスを無視することを好む。

関連論文リスト

• Gated Graph Neural Networks for Learning Hidden Independent Cascade Dynamics [50.02140519922548]
  情報や伝染病はソーシャルネットワークを通じて広まっていますが、ノードごとのアクティベーション時間なしでは予測が難しいのです。 本研究では,Hydden Independent Cascade(HIC)モデルの下で,この逆問題について検討する。 本研究では,個々の潜伏カスケードを再構成することなく,ノードレベルのパラメータベクトルを復元するシミュレーションベースの補正推定器を提案する。
  論文  参考訳（メタデータ） (2026-10-02T20:36:22Z)
• CAMOS: Coupled Oscillatory State-Space Model for Multimodal Clinical Time-Series [1.6471330810152984]
  経時的臨床コホートは不規則に採取され、広範に不完全である。 ADNIでは、CAMOSは、同一視認性ステージング、ランドマーク予測、縦方向予測において、未結合の振動状態空間モデルより優れている。
  論文  参考訳（メタデータ） (2026-09-30T10:47:01Z)
• It depends: Incorporating correlations for joint aleatoric and epistemic uncertainties of high-dimensional output spaces [23.472868138533926]
  不確実性定量化(UQ)は、ディープラーニングモデル予測の信頼性を高める上で重要な役割を果たす。 本稿では,高次元回帰タスクにおける連成性に着目し,不確実性の二重性について論じる。 本稿では,低ランク+対角共分散構造を用いた結合不確かさを近似する新しい手法を提案する。
  論文  参考訳（メタデータ） (2026-08-25T13:08:17Z)
• Learning-based Probabilistic Load Forecasting with Post-hoc and In-model Uncertainty [0.0]
  我々は,1日ごとの確率予測フレームワークを開発した。 モジュラー・ポストホック残量学習スキームとインモデル量子学習スキームを比較した。 この結果から, 再構成された入力に依存する場合の残差量子化の限界が明らかとなった。
  論文  参考訳（メタデータ） (2026-07-14T13:02:18Z)
• What Accuracy and Gradient Cosine Miss: Evaluating Feedback Alignment via Scale Stability, Reference Validity, and Depth Utility [48.10132234701036]
  本稿では,3つのチェック(スケール安定性,参照妥当性,深度ユーティリティ)に基づく診断評価プロトコルを提案する。 複数のアーキテクチャや手法にまたがって、我々のプロトコルは広い校正マージンを持つ全ての障害を識別する。
  論文  参考訳（メタデータ） (2026-06-19T06:04:17Z)
• Unregularized Linear Convergence in Zero-Sum Game from Preference Feedback [50.89125374999765]
  NLHFにおける最適乗算重み更新(mathtOMWU$)に対する最初の収束保証を提供する。 本分析では, 稀に発生する行動の確率が指数関数的に小さい値から指数関数的に増大する新たな限界収束挙動を同定する。
  論文  参考訳（メタデータ） (2025-12-31T12:08:29Z)
• Fully Heteroscedastic Count Regression with Deep Double Poisson Networks [6.976150282812484]
  Deep Double Poisson Network (DDPN) はニューラル・離散カウント回帰モデルである。 DDPNはヘテロセダスティックガウスモデルと同様の頑健な回帰特性を示す。 多様なデータセットの実験では、DDPNが現在のベースラインを精度、キャリブレーション、アウト・オブ・ディストリビューション検出で上回っていることが示されている。
  論文  参考訳（メタデータ） (2024-06-13T16:02:03Z)
• Monotonicity and Double Descent in Uncertainty Estimation with Gaussian Processes [52.92110730286403]
  限界確率はクロスバリデーションの指標を思い起こさせるべきであり、どちらもより大きな入力次元で劣化すべきである、と一般的に信じられている。 我々は,ハイパーパラメータをチューニングすることにより,入力次元と単調に改善できることを証明した。 また、クロスバリデーションの指標は、二重降下の特徴である質的に異なる挙動を示すことも証明した。
  論文  参考訳（メタデータ） (2022-10-14T08:09:33Z)
• Probabilities Are Not Enough: Formal Controller Synthesis for Stochastic Dynamical Models with Epistemic Uncertainty [68.00748155945047]
  複雑な力学系のモデルにおける不確実性を捉えることは、安全なコントローラの設計に不可欠である。 いくつかのアプローチでは、安全と到達可能性に関する時間的仕様を満たすポリシーを形式的な抽象化を用いて合成する。 我々の貢献は、ノイズ、不確実なパラメータ、外乱を含む連続状態モデルに対する新しい抽象的制御法である。
  論文  参考訳（メタデータ） (2022-10-12T07:57:03Z)

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。