論文の概要: Kullback-Leibler divergence between quantum distributions, and its
upper-bound
- arxiv url: http://arxiv.org/abs/2008.05932v3
- Date: Thu, 10 Dec 2020 12:39:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-31 00:06:36.422811
- Title: Kullback-Leibler divergence between quantum distributions, and its
upper-bound
- Title(参考訳): Kullback-Leiblerの量子分布と上界のばらつき
- Authors: Vincenzo Bonnici
- Abstract要約: この研究は、量子分布(QD)と呼ばれる確率分布のクラスに対して、KL(Kullback-Leibler)の発散が到達できる上限値を示す。
ここでは、エントロピーの発散に対する上界の取り出しは、比較分布が同じ量子値上の量子分布であるという条件の下で可能であることが示される。
- 参考スコア(独自算出の注目度): 1.2183405753834562
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work presents an upper-bound to value that the Kullback-Leibler (KL)
divergence can reach for a class of probability distributions called quantum
distributions (QD). The aim is to find a distribution $U$ which maximizes the
KL divergence from a given distribution $P$ under the assumption that $P$ and
$U$ have been generated by distributing a given discrete quantity, a quantum.
Quantum distributions naturally represent a wide range of probability
distributions that are used in practical applications. Moreover, such a class
of distributions can be obtained as an approximation of any probability
distribution. The retrieving of an upper-bound for the entropic divergence is
here shown to be possible under the condition that the compared distributions
are quantum distributions over the same quantum value, thus they become
comparable. Thus, entropic divergence acquires a more powerful meaning when it
is applied to comparable distributions. This aspect should be taken into
account in future developments of divergences. The theoretical findings are
used for proposing a notion of normalized KL divergence that is empirically
shown to behave differently from already known measures.
- Abstract(参考訳): この研究は、Kullback-Leibler (KL) の発散が量子分布 (QD) と呼ばれる確率分布のクラスに到達できる上限値を示す。
目的は、与えられた離散量である量子を分配することによって、$P$と$U$が生成されたという仮定のもと、与えられた分布からKLの発散を最大化する分布$U$を見つけることである。
量子分布は自然に幅広い確率分布を表し、実用的な応用に用いられる。
さらに、そのような分布のクラスは任意の確率分布の近似として得ることができる。
ここでは、エントロピーの発散に対する上界の取り出しは、比較分布が同じ量子値上の量子分布であるという条件の下で可能であることが示される。
したがって、エントロピーの発散は、同等の分布に適用されたときにより強力な意味を得る。
この側面は、将来の多様性の発展において考慮されるべきである。
この理論的な発見は、既知測度と異なる振る舞いを実証的に示す正規化KL発散の概念を提案するために用いられる。
関連論文リスト
- Non-asymptotic Convergence of Discrete-time Diffusion Models: New
Approach and Improved Rate [54.596887384531236]
我々は離散時間拡散モデルの下で、分布のかなり大きなクラスに対する収束保証を確立する。
パラメータ依存を明示した分布の興味深いクラスに対して,結果の専門化を行う。
本稿では,新しい加速サンプリング器を提案し,対応する正則サンプリング器の収束率を桁違いに向上することを示す。
論文 参考訳(メタデータ) (2024-02-21T16:11:47Z) - Efficient quantum loading of probability distributions through Feynman
propagators [2.56711111236449]
我々は、ハミルトニアンシミュレーションを用いて確率分布のロードのための量子アルゴリズムを、$hat H= Delta + V(x) mathbbI$ という形の1次元ハミルトニアンに対して提示する。
我々は、ファインマンプロパゲーターが解析的に閉じた形式を持つことが知られているポテンシャル$V(x)$を考え、これらのハミルトニアンを用いて確率分布を量子状態にロードする。
論文 参考訳(メタデータ) (2023-11-22T21:41:58Z) - Computing Marginal and Conditional Divergences between Decomposable
Models with Applications [7.89568731669979]
本稿では,2つの分解可能なモデルの任意の限界分布と条件分布の正確なα-ベータの偏差を計算する手法を提案する。
提案手法を用いて,まずベンチマーク画像データセットに適用することにより,分布変化を解析する方法を示す。
本稿では,現代の超伝導量子コンピュータにおける誤差の定量化手法を提案する。
論文 参考訳(メタデータ) (2023-10-13T14:17:25Z) - Normal quantum channels and Markovian correlated two-qubit quantum
errors [77.34726150561087]
一般の'分散ランダムなユニタリ変換について検討する。
一方、正規分布はユニタリ量子チャネルを誘導する。
一方、拡散ランダムウォークは単位量子過程を定義する。
論文 参考訳(メタデータ) (2023-07-25T15:33:28Z) - Adaptive Annealed Importance Sampling with Constant Rate Progress [68.8204255655161]
Annealed Importance Smpling (AIS)は、抽出可能な分布から重み付けされたサンプルを合成する。
本稿では,alpha$-divergencesに対する定数レートAISアルゴリズムとその効率的な実装を提案する。
論文 参考訳(メタデータ) (2023-06-27T08:15:28Z) - Entangled probability distributions [1.2891210250935143]
いくつかの確率変数の絡み合った確率分布の概念を導入する。
これらの確率分布は、量子力学の確率表現における多モード量子状態を記述する。
絡み合った確率分布の例を考察する。
論文 参考訳(メタデータ) (2023-02-25T11:43:21Z) - Score-Based Diffusion meets Annealed Importance Sampling [89.92133671626327]
Annealed Importance Smpling はいまだに限界推定の最も効果的な方法の1つである。
我々は、スコアベース生成モデルにおける最近の進歩を活用し、AIS提案の最適拡張目標分布を近似する。
論文 参考訳(メタデータ) (2022-08-16T12:13:29Z) - Robust Learning of Optimal Auctions [84.13356290199603]
本研究では、入札者の評価値のサンプルを逆向きに破損させたり、逆向きに歪んだ分布から引き出すことができる場合に、サンプルから収益-最適マルチバイダオークションを学習する問題について検討する。
我々は,コルモゴロフ-スミルノフ距離における元の分布に対して$alpha$-closeの「全ての真の分布」に対して,収入がほぼ同時に最適であるメカニズムを学習でき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) (2021-07-13T17:37:21Z) - Parametrization invariant interpretation of priors and posteriors [0.0]
我々は,「事前分布がモデルのパラメータ上で確率分布を確立する」という考え方から,「事前分布が確率分布を超えた確率分布を確立する」という考え方に移行した。
この考え方の下では、確率分布上の任意の分布は「内在的」であり、つまり多様体に選択される特定のパラメトリゼーションに不変である。
論文 参考訳(メタデータ) (2021-05-18T06:45:05Z) - $\alpha$-Geodesical Skew Divergence [5.3556221126231085]
非対称スキュー発散は、パラメータ$lambda$によって決定される程度に、他の分布と混合することによって、分布の1つを滑らかにする。
このような発散は、KL発散の近似であり、ターゲット分布がソース分布に関して絶対連続である必要はない。
論文 参考訳(メタデータ) (2021-03-31T13:27:58Z) - Distributionally Robust Bayesian Quadrature Optimization [60.383252534861136]
確率分布が未知な分布の不確実性の下でBQOについて検討する。
標準的なBQOアプローチは、固定されたサンプル集合が与えられたときの真の期待目標のモンテカルロ推定を最大化する。
この目的のために,新しい後方サンプリングに基づくアルゴリズム,すなわち分布的に堅牢なBQO(DRBQO)を提案する。
論文 参考訳(メタデータ) (2020-01-19T12:00:33Z)
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。