MétaCan
Menu
Retour à la cohorte
Enregistrement W4411720772 · doi:10.1088/2058-9565/ade911

Almost device-independent calibration beyond Born’s rule: Bell tests for cross-talk detection

2025· article· en· W4411720772 sur OpenAlexafffund
Gelo Noel M. Tabia, Alex Yueh-Ting Shih, Yeong-Cherng Liang

Notice bibliographique

RevueQuantum Science and Technology · 2025
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueComplex Network Analysis Techniques
Établissements canadiensPerimeter Institute
Organismes subventionnairesInstitut Périmètre de physique théorique
Mots-clésCalibrationMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract In quantum information, device-independent (DI) protocols offer a new approach to information processing tasks, making minimal assumptions about the devices used. Typically, since these protocols draw conclusions directly from the data collected in a meaningful Bell test, the no-signaling conditions, and often even Born’s rule for local measurements, are taken as premises of the protocol. Here, we demonstrate how to test such premises in an (almost) DI setting, i.e. directly from the raw data and with minimal assumptions. In particular, for IBM’s quantum computing cloud services, we implement the prediction-based ratio protocol to characterize how well the qubits can be accessed locally and independently. More precisely, by performing a variety of Clauser–Horne–Shimony–Holt-type experiments on these systems and carrying out rigorous hypothesis tests on the collected data, we provide compelling evidence showing that some of these qubits suffer from measurement cross-talks, i.e. their measurement statistics are affected by the choice of measurement bases on another qubit. Unlike standard randomized benchmarking, our approach does not rely on assumptions such as gate-independent Markovian noise. Moreover, despite the relatively small number of experimental trials, the direction of ‘signaling’ may also be identified in some cases. Our approach thus serves as a complementary tool for benchmarking the local addressability of quantum computing devices.

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)0,030
score de la tête « metaresearch » (Gemma)0,128
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,158

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,128
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,008
Communication savante0,0030,007
Science ouverte0,0040,005
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,011
Tête enseignante GPT0,313
Écart entre enseignants0,302 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueQuantum Science and TechnologyMême sujetComplex Network Analysis TechniquesTravaux en français237 207