MétaCan
Menu
Retour à la cohorte
Enregistrement W3194501960 · doi:10.1142/s0219749921400049

Taming singularities of the quantum Fisher information

2021· preprint· en· W3194501960 sur OpenAlexaff
Aaron Z. Goldberg, J. L. Romero, Ángel S. Sanz, L. L. Sánchez-Soto

Notice bibliographique

RevueInternational Journal of Quantum Information · 2021
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueFractal and DNA sequence analysis
Établissements canadiensNational Research Council Canada
Organismes subventionnairesH2020 Science with and for SocietyDirección General de Universidades e InvestigaciónHorizon 2020
Mots-clésFisher informationMathematicsQuantumCurvatureGravitational singularityStatistical physicsLimit (mathematics)Sensitivity (control systems)Classification of discontinuitiesRank (graph theory)Singular valueMetric (unit)Applied mathematicsMathematical analysisQuantum mechanicsPhysicsStatisticsCombinatoricsEigenvalues and eigenvectorsGeometry

Résumé

récupéré en direct d'OpenAlex

Quantum Fisher information matrices (QFIMs) are fundamental to estimation theory: they encode the ultimate limit for the sensitivity with which a set of parameters can be estimated using a given probe. Since the limit invokes the inverse of a QFIM, an immediate question is what to do with singular QFIMs. Moreover, the QFIM may be discontinuous, forcing one away from the paradigm of regular statistical models. These questions of nonregular quantum statistical models are present in both single- and multiparameter estimation. Geometrically, singular QFIMs occur when the curvature of the metric vanishes in one or more directions in the space of probability distributions, while QFIMs have discontinuities when the density matrix has parameter-dependent rank. We present a nuanced discussion of how to deal with each of these scenarios, stressing the physical implications of singular QFIMs and the ensuing ramifications for quantum metrology.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,006
Communication savante0,0030,005
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,009
Tête enseignante GPT0,244
Écart entre enseignants0,236 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Quantum InformationMême sujetFractal and DNA sequence analysisTravaux en français237 207