論文の概要: Information geometry of operator scaling
- arxiv url: http://arxiv.org/abs/2005.01453v2
- Date: Mon, 25 Jan 2021 05:44:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-21 16:56:51.075282
- Title: Information geometry of operator scaling
- Title(参考訳): 演算子スケーリングの情報幾何学
- Authors: Takeru Matsuda and Tasuku Soma
- Abstract要約: 行列スケーリングのためのシンクホーンアルゴリズムは、古典情報幾何学の観点から、e射影の交互化として解釈される。
作用素スケーリングと呼ばれる完全正の写像への行列スケーリングの一般化は、数学の様々な分野に現れている。
作用素シンクホーンアルゴリズムは、完全に正の写像のチョイ表現を通して量子情報幾何学の観点から研究される。
- 参考スコア(独自算出の注目度): 19.46806711081481
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Matrix scaling is a classical problem with a wide range of applications. It
is known that the Sinkhorn algorithm for matrix scaling is interpreted as
alternating e-projections from the viewpoint of classical information geometry.
Recently, a generalization of matrix scaling to completely positive maps called
operator scaling has been found to appear in various fields of mathematics and
computer science, and the Sinkhorn algorithm has been extended to operator
scaling. In this study, the operator Sinkhorn algorithm is studied from the
viewpoint of quantum information geometry through the Choi representation of
completely positive maps. The operator Sinkhorn algorithm is shown to coincide
with alternating e-projections with respect to the symmetric logarithmic
derivative metric, which is a Riemannian metric on the space of quantum states
relevant to quantum estimation theory. Other types of alternating e-projections
algorithms are also provided by using different information geometric
structures on the positive definite cone.
- Abstract(参考訳): マトリックススケーリングは、幅広いアプリケーションにおいて古典的な問題である。
行列スケーリングのためのシンクホーンアルゴリズムは、古典情報幾何学の観点から e-射影の交互化として解釈されることが知られている。
近年、演算子スケーリングと呼ばれる正の写像への行列スケーリングの一般化が数学や計算機科学の様々な分野に現れ、シンクホーンアルゴリズムは演算子スケーリングに拡張されている。
本研究では,完全正の写像のchoi表現を通じて,量子情報幾何の観点から作用素シンクホーン法を考察する。
作用素シンクホーンのアルゴリズムは、量子推定理論に関連する量子状態の空間上のリーマン計量である対称対数微分計量に関して、交互な e-射影と一致することが示されている。
他の種類の交互 e-射影アルゴリズムも、正定円錐上の異なる情報幾何構造を用いて提供される。
関連論文リスト
- Gaussian Entanglement Measure: Applications to Multipartite Entanglement
of Graph States and Bosonic Field Theory [50.24983453990065]
フービニ・スタディ計量に基づく絡み合い尺度は、Cocchiarellaと同僚によって最近導入された。
本稿では,多モードガウス状態に対する幾何絡み合いの一般化であるガウスエンタングルメント尺度(GEM)を提案する。
自由度の高い系に対する計算可能な多部絡み合わせ測度を提供することにより、自由なボゾン場理論の洞察を得るために、我々の定義が利用できることを示す。
論文 参考訳(メタデータ) (2024-01-31T15:50:50Z) - Polynomial-depth quantum algorithm for computing matrix determinant [49.494595696663524]
正方行列の行列式を計算するアルゴリズムを提案し,それを実現する量子回路を構築する。
行列の各行は、ある量子系の純粋な状態として符号化される。
したがって、認められた行列はこれらの系の量子状態の正規化まで任意である。
論文 参考訳(メタデータ) (2024-01-29T23:23:27Z) - Sinkhorn Flow: A Continuous-Time Framework for Understanding and
Generalizing the Sinkhorn Algorithm [49.45427072226592]
我々はシンクホーンアルゴリズムの連続時間アナログを導入する。
この観点から、ノイズやバイアスに頑健なシンクホーンスキームの新たな変種を導出することができる。
論文 参考訳(メタデータ) (2023-11-28T11:29:12Z) - On Sinkhorn's Algorithm and Choice Modeling [6.43826005042477]
その結果, 最大推定問題は, 古典的行列バランス問題と, 対象列と列の和との等価性を示す。
この視点は、一見無関係な2つの研究領域の間の扉を開く。
これらの接続からインスピレーションを得て、シンクホーンのアルゴリズムの研究において重要なオープンな問題を解く。
論文 参考訳(メタデータ) (2023-09-30T05:20:23Z) - Classical and Quantum Iterative Optimization Algorithms Based on Matrix
Legendre-Bregman Projections [1.5736899098702972]
エルミート行列空間上で定義されたルジャンドル・ブレーグマン射影について考察し,それに基づいて反復最適化アルゴリズムを設計する。
本稿では,ブレグマン射影アルゴリズムと近似的ブラグマン射影アルゴリズムについて検討する。
特に、近似反復アルゴリズムは、最大エントロピー推論のための一般化反復スケーリング(GIS)アルゴリズムの非可換バージョンをもたらす。
論文 参考訳(メタデータ) (2022-09-28T15:59:08Z) - On a class of geodesically convex optimization problems solved via
Euclidean MM methods [50.428784381385164]
ユークリッド凸化関数の違いは、統計学と機械学習の異なるタイプの問題の違いとして記述できることを示す。
最終的に、より広い範囲、より広い範囲の作業を支援するのです。
論文 参考訳(メタデータ) (2022-06-22T23:57:40Z) - Fourier-based quantum signal processing [0.0]
作用素の一般関数を実装することは、量子計算において強力なツールである。
量子信号処理はこの目的の最先端技術である。
ユニタリ進化によって与えられるオラクルからHermitian-operator関数を設計するためのアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-06-06T18:02:30Z) - A quantum algorithm for solving eigenproblem of the Laplacian matrix of
a fully connected weighted graph [4.045204834863644]
完全連結重み付きグラフのラプラシア行列の固有確率を解くための効率的な量子アルゴリズムを提案する。
具体的には,ブロック符号化フレームワークに基づく最適ハミルトンシミュレーション手法を採用する。
また、このアルゴリズムは対称(非対称)正規化ラプラス行列の固有確率を解くために拡張可能であることを示す。
論文 参考訳(メタデータ) (2022-03-28T02:24:08Z) - A Differential Geometry Perspective on Orthogonal Recurrent Models [56.09491978954866]
我々は微分幾何学からのツールと洞察を用いて、直交rnnの新しい視点を提供する。
直交RNNは、発散自由ベクトル場の空間における最適化と見なすことができる。
この観測に動機づけられて、ベクトル場全体の空間にまたがる新しいリカレントモデルの研究を行う。
論文 参考訳(メタデータ) (2021-02-18T19:39:22Z) - Probabilistic Learning Vector Quantization on Manifold of Symmetric
Positive Definite Matrices [3.727361969017079]
本研究では,確率論的学習ベクトル量子化の枠組みにおける多様体値データの新しい分類法を開発した。
本稿では,対称正定値行列の多様体上に存在するデータ点に対する確率論的学習ベクトル量子化アルゴリズムを一般化する。
合成データ,画像データ,運動画像脳波データに関する実証的研究は,提案手法の優れた性能を示す。
論文 参考訳(メタデータ) (2021-02-01T06:58:39Z) - Optimal Iterative Sketching with the Subsampled Randomized Hadamard
Transform [64.90148466525754]
最小二乗問題に対する反復スケッチの性能について検討する。
本研究では、Haar行列とランダム化されたHadamard行列の収束速度が同一であることを示し、ランダムなプロジェクションを経時的に改善することを示した。
これらの手法は、ランダム化次元還元を用いた他のアルゴリズムにも適用することができる。
論文 参考訳(メタデータ) (2020-02-03T16:17:50Z)
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。