Fugu-MT 論文翻訳(概要): A practical and efficient approach for Bayesian quantum state estimation

論文の概要: A practical and efficient approach for Bayesian quantum state estimation

arxiv url: http://arxiv.org/abs/2002.10354v1
Date: Mon, 24 Feb 2020 16:32:28 GMT
ステータス: 処理完了
システム内更新日: 2023-06-02 05:18:29.916306
Title: A practical and efficient approach for Bayesian quantum state estimation
Title（参考訳）: ベイズ量子状態推定のための実用的かつ効率的な手法
Authors: Joseph M. Lukens, Kody J. H. Law, Ajay Jasra, and Pavel Lougovski
Abstract要約: ベイズ量子状態推定のための改良された自己完結型アプローチを導入する。我々の定式化は、高効率なクランク-ニコソンサンプリングと擬似類似度に依存している。理論的に計算コストを解析し、実際のデータセットとシミュレーションデータセットの両方に対する推論の明確な例を示す。
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: Bayesian inference is a powerful paradigm for quantum state tomography, treating uncertainty in meaningful and informative ways. Yet the numerical challenges associated with sampling from complex probability distributions hampers Bayesian tomography in practical settings. In this Article, we introduce an improved, self-contained approach for Bayesian quantum state estimation. Leveraging advances in machine learning and statistics, our formulation relies on highly efficient preconditioned Crank--Nicolson sampling and a pseudo-likelihood. We theoretically analyze the computational cost, and provide explicit examples of inference for both actual and simulated datasets, illustrating improved performance with respect to existing approaches.
Abstract（参考訳）: ベイズ推論は量子状態トモグラフィーの強力なパラダイムであり、有意義で情報的な方法で不確実性を扱う。しかし, 複素確率分布からのサンプリングに伴う数値的課題は, ベイズ断層撮影を実際的に妨げている。本稿ではベイズ量子状態推定のための改良された自己完結型アプローチを紹介する。機械学習と統計学の進歩を活かし,高度に効率的な事前条件付きクランク-ニコルソンサンプリングと擬似的類似性に依拠する。計算コストを理論的に解析し,実データとシミュレーションデータの両方に対する推論の明示的な例を示し,既存の手法に対する性能向上を示す。

関連論文リスト

Conditionally valid Probabilistic Conformal Prediction [57.80927226809277]
本研究では,共形手法の柔軟性と条件分布の推定を組み合わせ,予測セットを作成する手法を開発した。提案手法の有効性を広範囲なシミュレーションにより実証し,条件付きカバレッジで既存手法より優れていることを示す。
論文参考訳（メタデータ） (2024-07-01T20:44:48Z)
Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
論文参考訳（メタデータ） (2024-01-29T02:08:40Z)
Benchmarking Bayesian quantum estimation [0.0]
この研究はベイズ推定を実装したプロトコルのベンチマークに焦点を当てている。異なるメリットの数字を比較することにより、推定における2次誤差の中央値の使用に有利なエビデンスが提供される。これらの結果は、量子推定フレームワーク内の現実的な問題に対する自然な応用を見出す。
論文参考訳（メタデータ） (2024-01-26T14:29:31Z)
Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
論文参考訳（メタデータ） (2023-06-09T08:30:51Z)
Adversarial robustness of amortized Bayesian inference [3.308743964406687]
償却ベイズ推論は、当初シミュレーションデータ上の推論ネットワークのトレーニングに計算コストを投資することを目的としている。観測対象のほとんど認識不能な摂動は、予測された後部および非現実的な後部予測標本に劇的な変化をもたらす可能性があることを示す。本研究では,条件密度推定器のフィッシャー情報をペナライズした計算効率の高い正規化手法を提案する。
論文参考訳（メタデータ） (2023-05-24T10:18:45Z)
Demonstration of machine-learning-enhanced Bayesian quantum state estimation [0.0]
機械学習を用いて自動調整を行うカスタム事前分布の定義手法を実験的に実現した。 MLで定義した事前分布は、ネット収束時間を減少させ、暗黙的および明示的な情報を事前分布に直接組み込む自然な方法を提供する。
論文参考訳（メタデータ） (2022-12-15T18:41:15Z)
Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文参考訳（メタデータ） (2022-12-12T15:06:32Z)
$\beta$-Cores: Robust Large-Scale Bayesian Data Summarization in the Presence of Outliers [14.918826474979587]
古典的ベイズ推定の質は、観測結果が推定データ生成モデルに適合するかどうかに大きく依存する。本稿では,大容量データセットに同時スケール可能な変分推論手法を提案する。多様なシミュレーションおよび実データ、および様々な統計モデルにおいて、我々のアプローチの適用性について説明する。
論文参考訳（メタデータ） (2020-08-31T13:47:12Z)
Video Prediction via Example Guidance [156.08546987158616]
ビデオ予測タスクでは、将来のコンテンツとダイナミクスのマルチモーダルな性質を捉えることが大きな課題である。本研究では,有効な将来状態の予測を効果的に行うための,シンプルで効果的なフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-03T14:57:24Z)
A machine learning approach to Bayesian parameter estimation [0.0]
パラメータ推定を分類タスクとして定式化し,ニューラルネットワークを用いてベイズ推定を効率的に行う。本稿では,ネットワークの後方分布が,逆フィッシャー情報によって与えられる不確実性の中でパラメータの真(未知)値に集中していることを示す。
論文参考訳（メタデータ） (2020-06-03T16:33:21Z)
Gaussian Process States: A data-driven representation of quantum many-body physics [59.7232780552418]
我々は、絡み合った多体量子状態をコンパクトに表現するための、新しい非パラメトリック形式を示す。この状態は、非常にコンパクトで、体系的に即効性があり、サンプリングに効率的である。また、量子状態に対する普遍的な近似器として証明されており、データセットのサイズが大きくなるにつれて、絡み合った多体状態も捉えることができる。
論文参考訳（メタデータ） (2020-02-27T15:54:44Z)

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。