論文の概要: Gain in Performance of Teleportation with Uniformity-breaking
Distributions
- arxiv url: http://arxiv.org/abs/2010.14552v2
- Date: Mon, 21 Feb 2022 08:31:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-27 08:33:44.390246
- Title: Gain in Performance of Teleportation with Uniformity-breaking
Distributions
- Title(参考訳): 均一分布を用いたテレポーテーションの性能向上
- Authors: Saptarshi Roy, Shiladitya Mal, Aditi Sen De
- Abstract要約: 入力状態に関する事前情報は、量子テレポーテーションの効率を高めるために利用することができる。
入力アンサンブルの情報量の増加に伴い, 偏差が減少するにつれて, 平均忠実度が増大することを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Prior information about the input state can be utilized to enhance the
efficiency of quantum teleportation which we quantify using the first two
moments of fidelity. The input knowledge is introduced by relaxing the
uniformity assumption in the distribution of the input state and considering
non-uniform distributions, namely the polar cap and von Mises-Fisher densities.
For these distributions,we show that the average fidelity increases while the
deviation decreases with the increase of information content about the input
ensemble thereby establishing its role as a resource. Our comparative study
between these two distributions reveals that for the same amount of information
content about inputs, although the average fidelity yield is the same for both,
the polar cap distribution is "better" as it offers a smaller deviation.
Moreover, we contrast the resource of prior information with other resources
involved in the protocol like shared entanglement and classical communication.
Specifically, we observe that unlike uniform distribution, the amount of
classical communication required to fulfill the task decreases with the
increase of information available for inputs. We also investigate the role of
prior information in higher (three) dimensional teleportation and report the
signatures of dimensional advantage in prior information-based teleportation.
- Abstract(参考訳): 入力状態に関する事前情報は、最初の2つの忠実度モーメントを用いて量子テレポーテーションの効率を高めるために利用することができる。
入力状態の分布における一様性仮定を緩和し、非一様分布、すなわち極性キャップとフォン・ミーゼス・フィッシャー密度を考慮することにより入力知識を導入する。
これらの分布について,入力アンサンブルに関する情報コンテンツの増加に伴い,平均忠実度は上昇し,偏差は減少し,資源としての役割が確立することを示す。
これら2つの分布の比較研究により、入力に関する情報内容が同じ量である場合、平均忠実度はどちらも同じであるが、極冠分布はより小さな偏差を与えるため「より小さい」ことが判明した。
さらに、従来の情報資源と、共有絡みや古典的コミュニケーションといったプロトコルに関わる他のリソースとを対比する。
具体的には,一様分布とは異なり,入力情報の増加に伴い,タスク遂行に必要な古典的通信量は減少する。
また,高次元テレポーテーションにおける先行情報の役割を調査し,先行情報に基づくテレポーテーションにおける次元アドバンテージのシグネチャを報告する。
関連論文リスト
- Theoretical Insights for Diffusion Guidance: A Case Study for Gaussian
Mixture Models [59.331993845831946]
拡散モデルは、所望の特性に向けてサンプル生成を操るために、スコア関数にタスク固有の情報を注入することの恩恵を受ける。
本稿では,ガウス混合モデルの文脈における拡散モデルに対する誘導の影響を理解するための最初の理論的研究を提供する。
論文 参考訳(メタデータ) (2024-03-03T23:15:48Z) - Augmented Bridge Matching [32.668433085737036]
フローとブリッジマッチングのプロセスは、任意のデータ分布の間を補間することができる。
マッチングプロセスの簡単な変更により,速度場を増大させることで,この結合が回復することを示す。
画像翻訳タスクの混合学習における拡張の効率について説明する。
論文 参考訳(メタデータ) (2023-11-12T22:42:34Z) - Semantic Equivariant Mixup [54.734054770032934]
Mixupは、トレーニング分布を拡張し、ニューラルネットワークを正規化する、確立されたデータ拡張テクニックである。
以前のミックスアップの変種はラベル関連の情報に過度に焦点をあてる傾向がある。
入力中のよりリッチな意味情報を保存するための意味的同変混合(sem)を提案する。
論文 参考訳(メタデータ) (2023-08-12T03:05:53Z) - Correlation Information Bottleneck: Towards Adapting Pretrained
Multimodal Models for Robust Visual Question Answering [63.87200781247364]
相関情報ボトルネック (CIB) は圧縮と表現の冗長性のトレードオフを求める。
マルチモーダル入力と表現の相互情報に対して,理論上界を厳密に導出する。
論文 参考訳(メタデータ) (2022-09-14T22:04:10Z) - Significance of Fidelity Deviation in Continuous Variable Teleportation [0.0]
CV状態は, 平均忠実度と忠実度差を両立させることにより, より良好に評価できることを示す。
我々は,2つの異なる入力シナリオにおいて,テレポーテーションプロトコルの性能に光を当てた。
論文 参考訳(メタデータ) (2022-03-13T15:39:24Z) - Discriminative Mutual Information Estimators for Channel Capacity
Learning [1.8275108630751837]
本稿では,任意の種類のメモリレスチャネルに対して,チャネル容量を自動的に学習する新しいフレームワークを提案する。
我々は、CORTICALと呼ばれる協調チャネルキャパシティ学習フレームワークに識別器を含める。
協調値関数の特定の選択がチャネルキャパシティ推定問題を解くことを証明した。
論文 参考訳(メタデータ) (2021-07-07T09:03:40Z) - Adaptive Multi-Source Causal Inference [21.590496842692747]
対象個体群の因果的影響を推定するために,類似の因果的メカニズムを対象個体と共有する追加ソース・データセットを利用する。
我々は、成果、治療、共同設立者のモデリングを通じて、知識伝達の3つのレベルを提案する。
提案手法は,データソースとターゲット間のデータの相違を事前に知ることなく,対象個体群の因果関係を推定することができる。
論文 参考訳(メタデータ) (2021-05-31T11:02:37Z) - Fair Densities via Boosting the Sufficient Statistics of Exponential
Families [72.34223801798422]
フェアネスのためのデータ前処理にブースティングアルゴリズムを導入する。
私たちのアプローチは、最小限の公平性を確保しながら、より良いデータフィッティングへとシフトします。
実世界のデータに結果の質を示す実験結果が提示される。
論文 参考訳(メタデータ) (2020-12-01T00:49:17Z) - Focus of Attention Improves Information Transfer in Visual Features [80.22965663534556]
本稿では,真のオンライン環境下での視覚情報伝達のための教師なし学習に焦点を当てた。
エントロピー項の計算は、エントロピー項のオンライン推定を行う時間的プロセスによって行われる。
入力確率分布をよりよく構成するために,人間のような注目モデルを用いる。
論文 参考訳(メタデータ) (2020-06-16T15:07:25Z) - The Variational Bandwidth Bottleneck: Stochastic Evaluation on an
Information Budget [164.65771897804404]
多くのアプリケーションにおいて、複雑な入力データから関連する情報のみを抽出することが望ましい。
情報ボトルネック法は、これを情報理論最適化問題として定式化する。
本稿では,特権情報の推定値について,各例について決定する帯域幅のばらつきボトルネックを提案する。
論文 参考訳(メタデータ) (2020-04-24T18:29:31Z)
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。