查看“WikiEdge:ArXiv速递/2025-05-21”的源代码

== 摘要 ==
* '''原文标题'''：Optimal Piecewise-based Mechanism for Collecting Bounded Numerical Data under Local Differential Privacy
* '''中文标题'''：基于分段的最优机制：局部差分隐私下边界数值数据收集
* '''发布日期'''：2025-05-21 13:01:41+00:00
* '''作者'''：Ye Zheng, Sumita Mishra, Yidan Hu
* '''分类'''：cs.CR, E.3
*'''原文链接'''：http://arxiv.org/abs/2505.15483v1
'''中文摘要'''：摘要：有界数值数据是个人设备（如[[可穿戴传感器]]）中的常见数据类型。虽然此类数据的收集对第三方平台至关重要，但也引发了严重的[[隐私问题]]。[[本地差分隐私]]（LDP）已被证明是一种可提供可证明个体隐私的框架，即使第三方平台不可信时亦然。对于有界数值数据，现有最先进的LDP机制是基于[[分段机制]]，这些机制并非最优，导致[[数据效用]]降低。
本文研究了基于分段机制的最优设计，以在LDP下最大化数据效用。我们证明现有的分段机制是[[3-分段机制]]的启发式形式，这远不足以研究最优性。我们将3-分段机制推广到其最一般形式，即无预定义分段形式的[[m-分段机制]]。在此形式下，我们通过结合[[解析证明]]和现成的[[优化求解器]]，推导出闭式最优机制。接着，我们将广义分段机制扩展到[[循环域]]（以及[[经典域]]），该域定义在两端点距离为零的循环范围内。通过结合这一特性，我们设计了循环域的最优机制，与现有机制相比显著提高了数据效用。
我们提出的机制保证了在所有广义分段机制中LDP下的最优数据效用。我们证明它们在LDP的两个常见应用（[[分布估计]]和[[均值估计]]）中也实现了最优数据效用。[[理论分析]]和[[实验评估]]证明并验证了我们所提出机制的数据效用优势。

== 摘要 ==
* '''原文标题'''：Test of local realism via entangled $Λ\barΛ$ system
* '''中文标题'''：通过纠缠$Λ\barΛ$系统检验局域实在性
* '''发布日期'''：2025-05-21 00:23:06+00:00
* '''作者'''：BESIII Collaboration, M. Ablikim, M. N. Achasov, P. Adlarson, X. C. Ai, R. Aliberti, A. Amoroso, M. R. An, Q. An, Y. Bai, O. Bakina, I. Balossino, Y. Ban, V. Batozskaya, K. Begzsuren, N. Berger, M. Berlowski, M. Bertani, D. Bettoni, F. Bianchi, E. Bianco, A. Bortone, I. Boyko, R. A. Briere, A. Brueggemann, H. Cai, X. Cai, A. Calcaterra, G. F. Cao, N. Cao, S. A. Cetin, J. F. Chang, T. T. Chang, W. L. Chang, G. R. Che, G. Chelkov, C. Chen, Chao Chen, G. Chen, H. S. Chen, M. L. Chen, S. J. Chen, S. M. Chen, T. Chen, X. R. Chen, X. T. Chen, Y. B. Chen, Y. Q. Chen, Z. J. Chen, W. S. Cheng, S. K. Choi, X. Chu, G. Cibinetto, S. C. Coen, F. Cossio, J. J. Cui, H. L. Dai, J. P. Dai, A. Dbeyssi, R. E. de Boer, D. Dedovich, Z. Y. Deng, A. Denig, I. Denysenko, M. Destefanis, F. DeMori, B. Ding, X. X. Ding, Y. Ding, Y. Ding, J. Dong, L. Y. Dong, M. Y. Dong, X. Dong, M. C. Du, S. X. Du, Z. H. Duan, P. Egorov, Y. L. Fan, J. Fang, S. S. Fang, W. X. Fang, Y. Fang, R. Farinelli, L. Fava, F. Feldbauer, G. Felici, C. Q. Feng, J. H. Feng, K. Fischer, M. Fritsch, C. Fritzsch, C. D. Fu, J. L. Fu, Y. W. Fu, H. Gao, Y. N. Gao, YangGao, S. Garbolino, I. Garzia, P. T. Ge, Z. W. Ge, C. Geng, E. M. Gersabeck, AGilman, K. Goetzen, L. Gong, W. X. Gong, W. Gradl, S. Gramigna, M. Greco, M. H. Gu, C. YGuan, Z. L. Guan, A. Q. Guo, L. B. Guo, M. J. Guo, R. P. Guo, Y. P. Guo, A. Guskov, T. T. Han, W. Y. Han, X. Q. Hao, F. A. Harris, K. K. He, K. L. He, F. HH. . Heinsius, C. H. Heinz, Y. K. Heng, C. Herold, T. Holtmann, P. C. Hong, G. Y. Hou, X. T. Hou, Y. R. Hou, Z. L. Hou, H. M. Hu, J. F. Hu, T. Hu, Y. Hu, G. S. Huang, K. X. Huang, L. Q. Huang, X. T. Huang, Y. P. Huang, T. Hussain, NHüsken, W. Imoehl, J. Jackson, S. Jaeger, S. Janchiv, J. H. Jeong, Q. Ji, Q. P. Ji, X. B. Ji, X. L. Ji, Y. Y. Ji, X. Q. Jia, Z. K. Jia, H. J. Jiang, P. C. Jiang, S. S. Jiang, T. J. Jiang, X. S. Jiang, Y. Jiang, J. B. Jiao, Z. Jiao, S. Jin, Y. Jin, M. Q. Jing, T. Johansson, S. Kabana, N. Kalantar-Nayestanaki, X. L. Kang, X. S. Kang, R. Kappert, M. Kavatsyuk, B. C. Ke, A. Khoukaz, R. Kiuchi, R. Kliemt, O. B. Kolcu, B. Kopf, M. Kuessner, X. Kui, A. Kupsc, W. Kühn, J. J. Lane, P. Larin, A. Lavania, L. Lavezzi, T. T. Lei, Z. H. Lei, H. Leithoff, M. Lellmann, T. Lenz, C. Li, C. Li, C. H. Li, Cheng Li, D. M. Li, F. Li, G. Li, H. Li, H. B. Li, H. J. Li, H. N. Li, Hui Li, J. R. Li, J. S. Li, J. W. Li, K. L. Li, Ke Li, L. J Li, L. K. Li, LeiLi, M. H. Li, P. R. Li, Q. X. Li, S. X. Li, T. Li, W. D. Li, W. G. Li, X. H. Li, X. L. Li, Xiaoyu Li, Y. G. Li, Z. J. Li, C. Liang, H. Liang, H. Liang, H. Liang, Y. F. Liang, Y. T. Liang, G. R. Liao, L. Z. Liao, Y. P. Liao, J. Libby, A. Limphirat, D. X. Lin, T. Lin, B. J. Liu, B. X. Liu, C. Liu, C. X. Liu, F. H. Liu, Fang Liu, Feng Liu, G. M. Liu, H. Liu, H. M. Liu, Huanhuan Liu, Huihui Liu, J. B. Liu, J. L. Liu, J. Y. Liu, K. Liu, K. Y. Liu, Ke Liu, L. Liu, L. C. Liu, Lu Liu, M. H. Liu, P. L. Liu, Q. Liu, S. B. Liu, T. Liu, W. K. Liu, W. M. Liu, X. Liu, Y. Liu, Y. Liu, Y. B. Liu, Z. A. Liu, Z. Q. Liu, X. C. Lou, F. X. Lu, H. J. Lu, J. G. Lu, X. L. Lu, Y. Lu, Y. P. Lu, Z. H. Lu, C. L. Luo, M. X. Luo, T. Luo, X. L. Luo, X. R. Lyu, Y. F. Lyu, F. C. Ma, H. L. Ma, J. L. Ma, L. L. Ma, M. M. Ma, Q. M. Ma, R. Q. Ma, R. T. Ma, X. Y. Ma, Y. Ma, Y. M. Ma, F. E. Maas, M. Maggiora, S. Malde, Q. A. Malik, A. Mangoni, Y. J. Mao, Z. P. Mao, S. Marcello, Z. X. Meng, J. G. Messchendorp, G. Mezzadri, H. Miao, T. J. Min, R. E. Mitchell, X. H. Mo, N. Yu. Muchnoi, J. Muskalla, Y. Nefedov, F. Nerling, I. B. Nikolaev, Z. Ning, S. Nisar, Y. Niu, S. L. Olsen, Q. Ouyang, S. Pacetti, X. Pan, Y. Pan, A. Pathak, P. Patteri, Y. P. Pei, M. Pelizaeus, H. P. Peng, K. Peters, J. L. Ping, R. G. Ping, S. Plura, S. Pogodin, V. Prasad, F. Z. Qi, H. Qi, H. R. Qi, M. Qi, T. Y. Qi, S. Qian, W. B. Qian, C. F. Qiao, J. J. Qin, L. Q. Qin, X. P. Qin, X. S. Qin, Z. H. Qin, J. F. Qiu, S. Q. Qu, C. F. Redmer, K. J. Ren, A. Rivetti, V. Rodin, M. Rolo, G. Rong, Ch. Rosner, S. N. Ruan, N. Salone, A. Sarantsev, Y. Schelhaas, K. Schoenning, M. Scodeggio, K. Y. Shan, W. Shan, X. Y. Shan, J. F. Shangguan, L. G. Shao, M. Shao, C. P. Shen, H. F. Shen, W. H. Shen, X. Y. Shen, B. A. Shi, H. C. Shi, J. L. Shi, J. Y. Shi, Q. Q. Shi, R. S. Shi, X. Shi, J. J. Song, T. Z. Song, W. M. Song, Y. J. Song, Y. X. Song, S. Sosio, S. Spataro, F. Stieler, Y. J. Su, G. B. Sun, G. X. Sun, H. Sun, H. K. Sun, J. F. Sun, K. Sun, L. Sun, S. S. Sun, T. Sun, W. Y. Sun, Y. Sun, Y. J. Sun, Y. Z. Sun, Z. T. Sun, Y. X. Tan, C. J. Tang, G. Y. Tang, J. Tang, Y. A. Tang, L. YTao, Q. T. Tao, M. Tat, J. X. Teng, V. Thoren, W. H. Tian, W. H. Tian, Y. Tian, Z. F. Tian, I. Uman, S. J. Wang, B. Wang, B. L. Wang, Bo Wang, C. W. Wang, D. Y. Wang, F. Wang, H. J. Wang, H. P. Wang, J. P. Wang, K. Wang, L. L. Wang, M. Wang, Meng Wang, S. Wang, S. Wang, T. Wang, T. J. Wang, W. Wang, W. Wang, W. P. Wang, X. Wang, X. F. Wang, X. J. Wang, X. L. Wang, Y. Wang, Y. D. Wang, Y. F. Wang, Y. H. Wang, Y. N. Wang, Y. Q. Wang, YaqianWang, Yi Wang, Z. Wang, Z. L. Wang, Z. Y. Wang, Ziyi Wang, D. Wei, D. H. Wei, F. Weidner, S. P. Wen, C. W. Wenzel, U. Wiedner, G. Wilkinson, M. Wolke, L. Wollenberg, C. Wu, J. F. Wu, L. H. Wu, L. J. Wu, X. Wu, X. H. Wu, Y. Wu, Y. J. Wu, Z. Wu, L. Xia, X. M. Xian, T. Xiang, D. Xiao, G. Y. Xiao, S. Y. Xiao, Y. L. Xiao, Z. J. Xiao, C. Xie, X. H. Xie, Y. Xie, Y. G. Xie, Y. H. Xie, Z. P. Xie, T. Y. Xing, C. F. Xu, C. J. Xu, G. F. Xu, H. Y. Xu, Q. J. Xu, Q. N. Xu, W. Xu, W. L. Xu, X. P. Xu, Y. C. Xu, Z. P. Xu, Z. S. Xu, F. Yan, L. Yan, W. B. Yan, W. C. Yan, X. Q. Yan, H. J. Yang, H. L. Yang, H. X. Yang, Tao Yang, Y. Yang, Y. F. Yang, Y. X. Yang, Yifan Yang, Z. W. Yang, Z. P. Yao, M. Ye, M. H. Ye, J. H. Yin, Z. Y. You, B. X. Yu, C. X. Yu, G. Yu, J. S. Yu, T. Yu, X. D. Yu, C. Z. Yuan, L. Yuan, S. C. Yuan, X. Q. Yuan, Y. Yuan, Z. Y. Yuan, C. X. Yue, A. A. Zafar, F. R. Zeng, X. Zeng, Y. Zeng, Y. J. Zeng, X. Y. Zhai, Y. C. Zhai, Y. H. Zhan, A. Q. Zhang, B. L. Zhang, B. X. Zhang, D. H. Zhang, G. Y. Zhang, H. Zhang, H. H. Zhang, H. H. Zhang, H. Q. Zhang, H. Y. Zhang, J. J. Zhang, J. L. Zhang, J. Q. Zhang, J. W. Zhang, J. X. Zhang, J. Y. Zhang, J. Z. Zhang, Jianyu Zhang, Jiawei Zhang, L. M. Zhang, L. Q. Zhang, Lei Zhang, P. Zhang, Q. Y. Zhang, Shuihan Zhang, Shulei Zhang, X. D. Zhang, X. M. Zhang, X. Y. Zhang, Xuyan Zhang, Y. Zhang, Y. Zhang, Y. T. Zhang, Y. H. Zhang, Yan Zhang, Yao Zhang, Z. H. Zhang, Z. L. Zhang, Z. Y. Zhang, Z. Y. Zhang, G. Zhao, J. Zhao, J. Y. Zhao, J. Z. Zhao, LeiZhao, LingZhao, M. G. Zhao, S. J. Zhao, Y. B. Zhao, Y. X. Zhao, Z. G. Zhao, A. Zhemchugov, B. Zheng, J. P. Zheng, W. J. Zheng, Y. H. Zheng, B. Zhong, X. Zhong, H. Zhou, L. P. Zhou, X. Zhou, X. K. Zhou, X. R. Zhou, X. Y. Zhou, Y. Z. Zhou, J. Zhu, K. Zhu, K. J. Zhu, L. Zhu, L. X. Zhu, S. H. Zhu, S. Q. Zhu, T. J. Zhu, W. J. Zhu, Y. C. Zhu, Z. A. Zhu, J. H. Zou, J. Zu
* '''分类'''：hep-ex
*'''原文链接'''：http://arxiv.org/abs/2505.14988v1
'''中文摘要'''：[[量子关联]]的[[非局域性]]是[[量子理论]]的基本特征。[[贝尔不等式]]作为区分[[量子理论]]预测与[[局域隐变量理论]](LHVT)预测的基准标准。近年来[[光子纠缠]]实验的进展已解决潜在漏洞，并观测到多种[[贝尔不等式]]变式的显著违背。然而[[高能物理]]领域中[[贝尔不等式]]违背的实例仍较为罕见。本研究利用[[北京正负电子对撞机]]BESIII探测器收集的$(10.087\pm0.044)\times10^{9}$个$J/\psi$事例，通过[[超子纠缠]]对进行[[非局域关联]]检验。大质量[[纠缠态]]$\Lambda\bar\Lambda$系统分别通过[[强相互作用]]和[[弱相互作用]]形成并衰变。通过测量$J/\psi\to \gamma\eta_c$及后续$\eta_c\to\Lambda(p\pi^-)\bar\Lambda(\bar{p}\pi^{+})$级联衰变中$p\bar{p}$的角分布，观测到对[[局域隐变量理论]]预测的显著违背。在三个类[[贝尔不等式]]的检验中，排除[[局域隐变量理论]]的统计显著性超过$5.2\sigma$。

== 摘要 ==
* '''原文标题'''：Accurate Angle-Resolved Raman Spectroscopy Methodology: Quantifying the Dichroic Edge Filter Effect
* '''中文标题'''：精确角度分辨拉曼光谱方法学：定量二向色边缘滤光片效应
* '''发布日期'''：2025-05-21 22:31:18+00:00
* '''作者'''：Tehseen Adel, Maria F. Munoz, Thuc T. Mai, Charlezetta E. Wilson-Stokes, Riccardo Torsi, Aurélien Thieffry, Jeffrey R. Simpson, Angela R. Hight Walker
* '''分类'''：physics.optics
*'''原文链接'''：http://arxiv.org/abs/2505.16063v1
'''中文摘要'''：[[角度分辨拉曼光谱]]（ARRS）是分析[[分子]]和[[固态晶体]]中[[声子]]及其他[[激发态]][[对称性]]的有效方法。尽管ARRS[[仪器]]存在多种[[配置]]方案，本文详述的[[测量系统]]采用两对[[线性偏振片]]和[[超消色差半波片]]。当线性偏振片的[[取向]]固定后，两个半波片通过[[电机]]控制独立[[旋转]]，实现二维[[线性偏振]][[映射]]。文中提出了一种高质量ARRS测量方案，利用易获取[[测试材料]][[二硫化钼]]（MoS₂）、[[蓝宝石]]（Al₂O₃）和[[硅]]的声子验证[[系统性能]]。定量[[偏振]][[拉曼]][[数据]]高度依赖于[[样品]][[表面质量]]及[[光学元件]]：包括元件[[排列顺序]]、[[准直度]]以及[[镀膜]]引起的[[畸变]]。本研究揭示了常用[[边缘滤波器]]对各向异性[[材料]]（以[[Si(100)]]中[[T₂g声子]]为模拟对象）[[偏振响应]]的显著影响，并对其引起的T₂g声子偏振响应畸变进行[[检测]]与[[建模]]，该结果广泛适用于所有[[拉曼仪器]]的[[光学系统]]。通过将首个半波片替换为[[超消色差四分之一波片]]，该ARRS装置还可实现[[螺旋度]]分辨拉曼测量，此配置亦通过前述测试材料的[[拉曼响应]]得到验证。本文旨在通过[[仪器设计]]和[[方法学]]的双重优化，提升[[偏振拉曼测量]]的质量与[[可重复性]]。