MétaCan
Menu
Retour à la cohorte
Enregistrement W4411264603 · doi:10.1088/1361-6633/ade453

Quantum Fisher information and its dynamical nature

2025· review· en· W4411264603 sur OpenAlexaff
Matteo Scandi, Paolo Abiuso, Jacopo Surace, Dario De Santis

Notice bibliographique

RevueReports on Progress in Physics · 2025
Typereview
Langueen
DomaineComputer Science
ThématiqueNeural Networks and Applications
Établissements canadiensPerimeter Institute
Organismes subventionnairesQuantERAEuropean Research CouncilGeneralitat de CatalunyaFundación CellexAustrian Science FundFUNDACIÓ Privada MIR-PUIGUniCredit and Universities FoundationFundación Carmen y Severo OchoaHORIZON EUROPE Marie Sklodowska-Curie ActionsScuola Normale Superiore
Mots-clésPhysicsQuantumQuantum mechanicsStatistical physicsTheoretical physicsMathematical physics

Résumé

récupéré en direct d'OpenAlex

The importance of the Fisher information metrics and its quantum generalisations is testified by the number of applications that this has in very different fields, ranging from hypothesis testing to metrology, passing through thermodynamics. Still, from the rich range of possible quantum Fisher informations, only a handful are typically used and studied. This review aims at collecting a number of results scattered in the literature and provide a cohesive treatment to people who begin the study of Fisher information and to those who are already working on it to have a more organic understanding of the topic. Moreover, we complement the review with new results about the relation between Fisher information and physical evolutions. Extending previous works, we show that dynamical properties such as (complete) positivity, Markovianity, detailed balance, retrodictive power of evolution maps can be characterised in terms of their relation with respect to the Fisher information metrics. These results show a fact that was partially overseen in the literature, namely the inherently dynamical nature of Fisher information.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,003
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,016
Tête enseignante GPT0,323
Écart entre enseignants0,307 · 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
GenreSynthèse

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

En bref

Citations15
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReports on Progress in PhysicsMême sujetNeural Networks and ApplicationsTravaux en français237 207