MétaCan
Menu
Retour à la cohorte
Enregistrement W2034218694 · doi:10.1080/03081080802677441

Research problems on numerical ranges in quantum computing

2009· article· en· W2034218694 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueLinear and Multilinear Algebra · 2009
Typearticle
Langueen
DomaineComputer Science
ThématiqueQuantum Computing Algorithms and Architecture
Établissements canadiensUniversité de SherbrookeUniversity of GuelphUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésRange (aeronautics)Relevance (law)Computer scienceMathematicsFocus (optics)ScholarshipRank (graph theory)Numerical analysisPhysicsCombinatoricsEngineeringMathematical analysisOptics

Résumé

récupéré en direct d'OpenAlex

Abstract We describe some instances in quantum information processing where numerical range techniques arise. We focus on two basic settings: higher-rank numerical ranges and their relevance in theoretical quantum error correction, and the classical numerical range and its use for comparing quantum information processing operations. We present the basic theory, discuss examples and formulate open problems. Keywords: numerical rangehigher-rank numerical rangequantum information processingquantum error correctiongate fidelityAMS Subject Classifications: 15A6015A9047N5081P68 Acknowledgements D.W. Kribs is grateful for several interesting conversations with participants of WONRA08, and for helpful conversations with M.B. Ruskai. D.W. Kribs was partially supported by NSERC grant 400160, by NSERC Discovery Accelerator Supplement 400233, and by Ontario Early Researcher Award 048142. A. Pasieka was partially supported by an Ontario Graduate Scholarship. M.P. da Silva and C. Ryan were partially supported by NSERC, M. Laforest was partially supported by NSERC and FQRNT.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,928
Score d'incertitude au seuil0,709

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,031
Tête enseignante GPT0,325
Écart entre enseignants0,294 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle