计算叠加中的线性读取器下限与阈值恢复
机器学习
2026-05-05 v1 信息论
math.IT
摘要
最近两种基于叠加计算的 methods 达到了不同的递归容量规模:H"anni 等人通过近似线性递归模板认证可计算 个特征(宽度为 ),而 Adler 和 Shavit 则使用阈值化布尔恢复达到近二次容量(含对数因子)。本文的主要贡献是概念性的:我们认为这些结果并不矛盾,因为它们保持不同的接口不变量,我们对这种区别进行了形式化。作为工具,我们记录了针对双正交线性读取器的秩迹 Welch 类下界:对于 ,任何单位对角线性读取器在最坏情况下的非对角交叉干扰为 ,该下界在单位范数紧致帧上平均情况下为紧密。当特征加载为 时,随机支持阈值恢复在稀疏性 时成功,而线性读取器仍在伯努利稀疏状态下的每个坐标平均平方误差为 。将 Welch 下限与 H"anni 校正层的公布容忍度匹配,解释了 规模作为该模板的兼容性阈值,而非通用上界。超出 H"anni 模板的鲁棦非线性复位留待进一步研究。
引用
@article{arxiv.2605.01192,
title = {Linear-Readout Floors and Threshold Recovery in Computation in Superposition},
author = {Hector Borobia and Elies Seguí-Mas and Guillermina Tormo-Carbó},
journal= {arXiv preprint arXiv:2605.01192},
year = {2026}
}
备注
38 pages, preprint, no figures; comments welcome