MétaCan
Menu
Retour à la cohorte
Enregistrement W4413287598 · doi:10.1002/qute.202500375

Analysis of the Effect of Entanglement Operators and the Scalability of Players’ Payoff Computation in N‐Player Quantum Games

2025· article· en· W4413287598 sur OpenAlexaff
Georgios D. Varsamis, Ioannis Liliopoulos, Hamed Mohammadbagherpoor, Andreas K. Kostopoulos, Kristin Milchanowski, Evangelos Karamatskos, Panagiotis Dimitrakis, Richard P. Padbury, Ioannis G. Karafyllidis

Notice bibliographique

RevueAdvanced Quantum Technologies · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueQuantum Computing Algorithms and Architecture
Établissements canadiensBusiness Development Bank of Canada
Organismes subventionnairesnon disponible
Mots-clésQuantum entanglementScalabilityStochastic gameComputationQuantumComputer scienceMathematicsMathematical economicsPhysicsQuantum mechanicsAlgorithm

Résumé

récupéré en direct d'OpenAlex

Abstract Entanglement is one of the most vital resources in quantum computing. Particularly, in quantum game theory, entanglement holds significant importance since it defines the interactions and the information exchange between two or more players. In this research work, a new set of entanglement operators is introduced for N‐player quantum games. This study explores how their application affects each player's behavior throughout the game. Furthermore, the entangling capabilities are tested and evaluated for a wide range of entanglement operator angles, by exploiting the Von Neumann entropy metric, both on a simulator and on a real IBM Quantum system. Their hardware efficiency, against state‐of‐the‐art quantum games entanglement operators, is assessed in terms of circuit depths and fidelity, and showcases their great potential as multiplayer quantum games operators. Finally, three methods are compared for computing the players’ payoffs, regarding their scalability and efficiency. This study shows that in all payoff cases, the quantum game results, computed by the quantum hardware, are in accordance with the simulated ones.

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)0,002
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,003
Tête enseignante GPT0,247
Écart entre enseignants0,243 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Quantum TechnologiesMême sujetQuantum Computing Algorithms and ArchitectureTravaux en français237 207