MétaCan
Menu
Retour à la cohorte
Enregistrement W2955472347 · doi:10.1103/physreve.101.022134

Point processes with Gaussian boson sampling

2020· article· en· W2955472347 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.

Notice bibliographique

RevuePhysical review. E · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueRandom lasers and scattering media
Établissements canadiensXanadu Quantum Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésPoint processGaussianBosonStatistical physicsComputer scienceSampling (signal processing)QuantumPoint (geometry)AlgorithmRandom matrixTheoretical computer scienceMathematicsPhysicsQuantum mechanicsStatisticsEigenvalues and eigenvectors

Résumé

récupéré en direct d'OpenAlex

Random point patterns are ubiquitous in nature, and statistical models such as point processes, i.e., algorithms that generate stochastic collections of points, are commonly used to simulate and interpret them. We propose an application of quantum computing to statistical modeling by establishing a connection between point processes and Gaussian boson sampling, an algorithm for photonic quantum computers. We show that Gaussian boson sampling can be used to implement a class of point processes based on hard-to-compute matrix functions which, in general, are intractable to simulate classically. We also discuss situations where polynomial-time classical methods exist. This leads to a family of efficient quantum-inspired point processes, including a fast classical algorithm for permanental point processes. We investigate the statistical properties of point processes based on Gaussian boson sampling and reveal their defining property: like bosons that bunch together, they generate collections of points that form clusters. Finally, we analyze properties of these point processes for homogeneous and inhomogeneous state spaces, describe methods to control cluster location, and illustrate how to encode correlation matrices.

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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,583
Score d'incertitude au seuil0,383

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,025
Tête enseignante GPT0,302
Écart entre enseignants0,277 · 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