論文の概要: Optimal upper bound of entropic uncertainty relation for mutually
unbiased bases
- arxiv url: http://arxiv.org/abs/2002.00004v2
- Date: Thu, 6 Feb 2020 12:56:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-05 02:28:09.427012
- Title: Optimal upper bound of entropic uncertainty relation for mutually
unbiased bases
- Title(参考訳): 相互非バイアス基底に対するエントロピー不確実性関係の最適上限
- Authors: Bilal Canturk and Zafer Gedik
- Abstract要約: N$ Mutually Unbiased Bases (MUBs) のエントロピー不確実性関係の最適上限を得た。
我々の結果は、$N$が$d+1$であり、$d$が関連するシステムの次元である任意の状態に対して有効である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We have obtained the optimal upper bound of entropic uncertainty relation for
$N$ Mutually Unbiased Bases (MUBs). We have used the methods of variational
calculus for the states that can be written in terms of $N$ MUBs. Our result is
valid for any state when $N$ is $d+1$, where $d$ is the dimension of the
related system. We provide a quantitative criterion for the extendibilty of
MUBs. In addition, we have applied our result to the mutual information of
$d+1$ observables conditioned with a classical memory.
- Abstract(参考訳): N$ Mutually Unbiased Bases (MUBs) のエントロピー不確実性関係の最適上限を得た。
我々は、$N$ MUBsで記述できる状態に対して、変分計算の手法を用いてきた。
この結果は、$n$が$d+1$である場合の任意の状態において有効であり、$d$は関連するシステムの次元である。
MUBsの拡張性に関する定量的基準を提供する。
さらに,古典的メモリを条件とした$d+1$オブザーバブルの相互情報にも結果を適用した。
関連論文リスト
- Improved Algorithm for Adversarial Linear Mixture MDPs with Bandit
Feedback and Unknown Transition [71.33787410075577]
線形関数近似,未知遷移,および逆損失を用いた強化学習について検討した。
我々は高い確率で$widetildeO(dsqrtHS3K + sqrtHSAK)$ regretを実現する新しいアルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-03-07T15:03:50Z) - On the $O(\frac{\sqrt{d}}{T^{1/4}})$ Convergence Rate of RMSProp and Its
Momentum Extension Measured by $\ell_1$ Norm: Better Dependence on the
Dimension [70.4788692766068]
本稿では古典的RMSPropPropとその運動量拡張について考察する。
これにより$frac1Tsum_k=1Teleft[|nabla f(xk)|_1right]leq O(fracsqrtdT1/4)$が$ell_$ノルムで測定される。
論文 参考訳(メタデータ) (2024-02-01T07:21:32Z) - Some Remarks on the Regularized Hamiltonian for Three Bosons with
Contact Interactions [77.34726150561087]
3次元のゼロレンジ力を介して相互作用する3つのボソン系のモデルハミルトンの性質について論じる。
特に、適当な二次形式 $Q$ から始め、自己随伴およびハミルトンの$mathcal H$ の下から有界となるものを構築することができる。
しきい値 $gamma_c$ が最適であることは、次の2次形式 $Q$ が下から非有界であるという意味では、$gamma_c$ が最適であることを示している。
論文 参考訳(メタデータ) (2022-07-01T10:01:14Z) - High Probability Bounds for a Class of Nonconvex Algorithms with AdaGrad
Stepsize [55.0090961425708]
本研究では,AdaGradのスムーズな非確率問題に対する簡易な高確率解析法を提案する。
我々はモジュラーな方法で解析を行い、決定論的設定において相補的な$mathcal O (1 / TT)$収束率を得る。
我々の知る限りでは、これは真に適応的なスキームを持つAdaGradにとって初めての高い確率である。
論文 参考訳(メタデータ) (2022-04-06T13:50:33Z) - A Post-Quantum Associative Memory [5.2178708158547025]
連想記憶(Associative memory)は、その部分的開示によって完全に検索できる情報を記憶する装置である。
本稿では, 一般確率論の枠組みの中で, 連想記憶のおもちゃモデルとその限界について検討する。
論文 参考訳(メタデータ) (2022-01-28T18:10:19Z) - Average-case Speedup for Product Formulas [69.68937033275746]
製品公式(英: Product formulas)またはトロッター化(英: Trotterization)は、量子系をシミュレートする最も古い方法であり、いまだに魅力的な方法である。
我々は、ほとんどの入力状態に対して、トロッター誤差が定性的に優れたスケーリングを示すことを証明した。
我々の結果は、平均的なケースにおける量子アルゴリズムの研究の扉を開く。
論文 参考訳(メタデータ) (2021-11-09T18:49:48Z) - Estimating coherence with respect to general quantum measurements [4.707579791895607]
一般正作用素値測定(POVM)に関する一般化量子コヒーレンスが提示されている。
例えば、コヒーレンスの相対エントロピー$C_r$、コヒーレンスのノルム$C_l_1$、コヒーレンスの$C_T,alpha $などである。
論文 参考訳(メタデータ) (2021-09-29T10:19:23Z) - Lessons from $O(N)$ models in one dimension [0.0]
1つの時空次元(通常の量子力学)における$O(N)$モデルに関連する様々なトピックが考慮される。
その焦点は、より単純な文脈で量子場理論の手法を教育的に提示することである。
論文 参考訳(メタデータ) (2021-09-14T11:36:30Z) - Attainability and lower semi-continuity of the relative entropy of
entanglement, and variations on the theme [8.37609145576126]
エンタングルメントの相対エントロピー$E_Riteは、量子相対エントロピーによって測定された分離可能な状態の集合から多部分量子エントロピーの距離として定義される。
この状態は常に達成されること、すなわち任意の状態が、次元においてさえ最も近い分離可能な状態を持つこと、そして$E_Riteは、どこでも低い半負の$lambda_$quasi-probability分布であることを示す。
論文 参考訳(メタデータ) (2021-05-17T18:03:02Z) - A Simple Convergence Proof of Adam and Adagrad [74.24716715922759]
我々はAdam Adagradと$O(d(N)/st)$アルゴリズムの収束の証明を示す。
Adamはデフォルトパラメータで使用する場合と同じ収束$O(d(N)/st)$で収束する。
論文 参考訳(メタデータ) (2020-03-05T01:56:17Z) - Extrapolation Towards Imaginary $0$-Nearest Neighbour and Its Improved
Convergence Rate [13.985534521589257]
そこで我々は,数個の$k ge 1$値から$k=0$まで,未重み付き$k$-NN推定器を外挿する新しいマルチスケール$k$-NN(MS-$k$-NN)を提案する。
提案手法は問合せとその周辺点に適応する最適実数値重みを暗黙的に計算する。
論文 参考訳(メタデータ) (2020-02-08T00:32:12Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。