Entangling power of neural networks
本論文は、エンコーダ・デコーダ・ニューラルネットワークの「もつれ生成能力(entangling power)」を、サブシステム間の相関を生成する能力を定量化するための指標として導入し、控えめなリソースであってもこれらのネットワークが指数関数的なもつれ生成能力を示すことを実証するとともに、量子もつれ理論の観点から機械学習の相関を分析するための汎用的な枠組みを提示するものである。
9350 件の論文
量子物理学の不思議な世界は、日常の直感とは全く異なる法則で動いています。ここでは、粒子が同時に複数の場所に存在したり、遠く離れた粒子が瞬時に互いに影響し合ったりする、私たちの理解を覆す現象が研究されています。Gist.Science では、arXiv から公開される最新の量子物理に関するプレプリントをすべて網羅し、専門的な数式や難解な用語を噛み砕いた平易な解説と、技術的な詳細を深く掘り下げた要約の両方を提供しています。
これにより、専門家だけでなく、この魅力的な分野に興味を持つ誰もが、最先端の知見をすばやく把握できるようになります。以下に、arXiv から収集した量子物理学の分野における最新の論文リストを掲載します。
本論文は、エンコーダ・デコーダ・ニューラルネットワークの「もつれ生成能力(entangling power)」を、サブシステム間の相関を生成する能力を定量化するための指標として導入し、控えめなリソースであってもこれらのネットワークが指数関数的なもつれ生成能力を示すことを実証するとともに、量子もつれ理論の観点から機械学習の相関を分析するための汎用的な枠組みを提示するものである。
本論文は、格子並進を通じて実現される厳密な電気的・磁気的自己双対性を備えた非アーベル型量子ダブルの初の格子モデルを構築し、ギャップレスなテトラクリティカル・イジング・エッジ状態を明らかにし、圏論、微視的ハミルトニアン、およびチャーン・サイモンズ・ヒッグス理論を通じてそのトポロジカル相転移の解析を統一するものである。
本論文は、並列かつ補助系を用いたプロトコルによる量子チャネル学習のサンプル複雑性境界を確立し、転送行列成分の効率的な学習にはチャネルの複素共役へのアクセス、あるいは系の次元数に等しいコピー数が必要である一方で、リソースが制限されると指数関数的なスケーリングを招くという厳格な階層関係を明らかにしている。
本論文は、サンプルベースの量子対角化における機械学習の展望を批判的に検討し、現在の量子サンプラーが一般に古典的な選択配置相互作用法を凌駕できていないことを実証するとともに、特定の堅牢性の利点を特定し、証明可能な量子優位性が依然として回避されている正確な領域を定義するものである。
本研究は、第一原理計算を通じて、六方晶ダイヤモンド(ロンズデーライト)のAB配置における負に帯電した窒素空孔中心が有限の横方向ゼロ磁場分裂を示すことを実証しており、これが立方晶ダイヤモンドと比較してハーンエコーコヒーレンス時間を約4倍に向上させ、量子アプリケーションの有望な候補であることを確立している。
本論文は、2つの非可換群の族、すなわち、スカラー自己同型の下での有限アーベル群と巡回群の半直積、および有限準ハミルトン群に対する隠部分群問題のための多項式時間量子アルゴリズムを提示するものであり、後者はこの問題に対する部分群格子のモジュラー特性の最初の量子的な応用を記している。
本論文は、低エネルギーおよび高エネルギー領域におけるコンプトン散乱におけるスピン・スピンもつれを調査し、非偏極散乱における実振幅に対するノーゴー定理を確立するとともに、核子に対する偏極散乱が電磁極性感受性に敏感な多様な最大もつれ状態を生じさせることを示し、それによってもつれを核子構造の新規なプローブとして提案するものである。
本論文は、ラプラス変換を用いてベッセル関数に基づくディリクレ・トゥ・ノイマン写像を得ることで、1次元格子における空間離散シュレディンガー方程式に対する厳密かつ反射のない透明な境界条件を導出し、それらが連続極限と整合しており、数値シミュレーションにおける偽の逆散乱を効果的に排除することを証明する。
本論文は、「内積ゲーム」と呼ばれる新しいクラスにおける特定の二部非局所ゲームという反例を提示することにより、最大もつれ状態が疑似テレパシーに対して完全ではないこと(すなわち、最大もつれ状態のみでは勝利できないが、完全なもつれ戦略を用いて勝利できるゲームが存在すること)を示し、量子非局所性における長年の未解決問題を解決するものである。
本論文は、干渉計量子多項式カオス展開(IQPCE)を導入するものであり、これはゲート角を適合させることでもつれを通じて相関を符号化するようにカロリメータのシャワーデータを学習する生成量子モデルであり、超伝導ハードウェア上で実行された際に、優れた表現力、認証された非古典的相関、および裾の依存性における古典的な限界を克服する能力を実証している。