論文の概要: Quantum tomography with random diagonal unitary maps and statistical
bounds on information generation using random matrix theory
- arxiv url: http://arxiv.org/abs/2101.11387v2
- Date: Mon, 30 Aug 2021 06:20:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-13 20:09:35.090940
- Title: Quantum tomography with random diagonal unitary maps and statistical
bounds on information generation using random matrix theory
- Title(参考訳): ランダム対角ユニタリマップを用いた量子トモグラフィーとランダム行列理論を用いた情報生成の統計的境界
- Authors: Sreeram PG and Vaibhav Madhok
- Abstract要約: 我々は,一連のエルミート作用素の期待値を測定した連続測定記録から量子トモグラフィーについて検討した。
この目的のために、各段階におけるランダムなユニタリ対角線の適用について検討する。
驚くべきことに、ランダムなユニタリー対角線を用いて、非常に高い再現性が得られる。
- 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 study quantum tomography from a continuous measurement record obtained by
measuring expectation values of a set of Hermitian operators obtained from
unitary evolution of an initial observable. For this purpose, we consider the
application of a random unitary, diagonal in a fixed basis at each time step
and quantify the information gain in tomography using Fisher information of the
measurement record and the Shannon entropy associated with the eigenvalues of
covariance matrix of the estimation.
Surprisingly, very high fidelity of reconstruction is obtained using random
unitaries diagonal in a fixed basis even though the measurement record is not
informationally complete. We then compare this with the information generated
and fidelities obtained by application of a different Haar random unitary at
each time step.
We give an upper bound on the maximal information that can be obtained in
tomography and show that a covariance matrix taken from the Wishart-Laguerre
ensemble of random matrices and the associated Marchenko-Pastur distribution
saturates this bound. We find that physically, this corresponds to an
application of a different Haar random unitary at each time step. We show that
repeated application of random diagonal unitaries gives a covariance matrix in
tomographic estimation that corresponds to a new ensemble of random matrices.
We analytically and numerically estimate eigenvalues of this ensemble and show
the information gain to be bounded from below by the Porter-Thomas
distribution.
- Abstract(参考訳): 本研究では,初期観測値のユニタリ進化から得られたエルミート演算子の期待値を測定した連続測定記録から量子トモグラフィーについて検討する。
そこで本研究では,各時間ステップにおけるランダムユニタリの適用について検討し,測定記録のフィッシャー情報と推定の共分散行列の固有値に関連するシャノンエントロピーを用いて,トモグラフィにおける情報ゲインを定量化する。
意外なことに、測定記録が情報的に完成していないにもかかわらず、ランダムなユニタリを用いて、一定基準で非常に高い再現性が得られる。
次に、異なるHaarランダムユニタリを各時間ステップで適用することにより得られる情報と忠実度を比較した。
トモグラフィで得られる最大情報について上限を与え、ランダム行列のウィシュアート・ラゲールアンサンブルと関連するマルテンコ・パストゥル分布から得られる共分散行列がこの境界を飽和させることを示す。
物理的には、これは各時間ステップにおける異なるハールランダムユニタリの応用に対応する。
ランダム対角ユニタリの繰り返し適用は、新しいランダム行列のアンサンブルに対応するトモグラフィ推定において共分散行列を与えることを示した。
このアンサンブルの固有値を解析的および数値的に推定し、ポーター・トーマス分布によって下から境界づけられる情報を示す。
関連論文リスト
- Relaxation Fluctuations of Correlation Functions: Spin and Random Matrix Models [0.0]
本稿では,量子カオスの診断尺度として,ある相関関数の変動平均と分散について検討する。
モデルの3つの異なる位相(エルゴード相、フラクタル相、局所化相)を同定する。
論文 参考訳(メタデータ) (2024-07-31T14:45:46Z) - DiME: Maximizing Mutual Information by a Difference of Matrix-Based
Entropies [0.9053163124987534]
データから推定できる相互情報に類似した特性を持つ情報理論量を導入する。
行列ベースのエントロピー(DiME)の違いは、確率変数間の相互情報の再現に関わる問題によく適していることを示す。
本稿では,遅延因子の絡み合いや多視点表現学習問題など,DMEのユースケースを例に紹介する。
論文 参考訳(メタデータ) (2023-01-19T16:56:21Z) - Quantitative deterministic equivalent of sample covariance matrices with
a general dependence structure [0.0]
我々は、次元とスペクトルパラメータの両方を含む量的境界を証明し、特に実正の半直線に近づくことを可能にする。
応用として、これらの一般モデルの経験スペクトル分布のコルモゴロフ距離の収束の新しい境界を得る。
論文 参考訳(メタデータ) (2022-11-23T15:50:31Z) - Three-fold way of entanglement dynamics in monitored quantum circuits [68.8204255655161]
ダイソンの3つの円形アンサンブル上に構築された量子回路における測定誘起エンタングルメント遷移について検討する。
ゲートによる局所的絡み合い発生と測定による絡み合い低減との相互作用について考察した。
論文 参考訳(メタデータ) (2022-01-28T17:21:15Z) - Test Set Sizing Via Random Matrix Theory [91.3755431537592]
本稿ではランダム行列理論の手法を用いて、単純な線形回帰に対して理想的なトレーニング-テストデータ分割を求める。
それは「理想」を整合性計量を満たすものとして定義し、すなわち経験的モデル誤差は実際の測定ノイズである。
本論文は,任意のモデルのトレーニングとテストサイズを,真に最適な方法で解決した最初の論文である。
論文 参考訳(メタデータ) (2021-12-11T13:18:33Z) - Spectral clustering under degree heterogeneity: a case for the random
walk Laplacian [83.79286663107845]
本稿では,ランダムウォークラプラシアンを用いたグラフスペクトル埋め込みが,ノード次数に対して完全に補正されたベクトル表現を生成することを示す。
次数補正ブロックモデルの特別な場合、埋め込みはK個の異なる点に集中し、コミュニティを表す。
論文 参考訳(メタデータ) (2021-05-03T16:36:27Z) - Large Non-Stationary Noisy Covariance Matrices: A Cross-Validation
Approach [1.90365714903665]
金融時系列のヘテロシデスティックな性質を利用する新しい共分散推定器を提案する。
断面次元と時系列次元の両方のノイズを減衰させることにより、我々は、競合する推定器に対する推定器の優位性を実証的に実証する。
論文 参考訳(メタデータ) (2020-12-10T15:41:17Z) - Graph Gamma Process Generalized Linear Dynamical Systems [60.467040479276704]
実マルチ変数時系列をモデル化するために,グラフガンマ過程(GGP)線形力学系を導入する。
時間的パターン発見のために、モデルの下での潜在表現は、時系列を多変量部分列の同相集合に分解するために使用される。
非零次ノード数が有限であるランダムグラフを用いて、潜時状態遷移行列の空間パターンと次元の両方を定義する。
論文 参考訳(メタデータ) (2020-07-25T04:16:34Z) - The multilayer random dot product graph [6.722870980553432]
ランダムドット積グラフ(ランダムドット積グラフ)と呼ばれる潜在位置ネットワークモデルの包括的拡張を提案する。
本稿では,サブマトリクスを適切な潜在空間に埋め込む手法を提案する。
単一グラフ埋め込みによるリンク予測の実証的な改善がサイバーセキュリティの例で示されている。
論文 参考訳(メタデータ) (2020-07-20T20:31:39Z) - Asymptotic Analysis of an Ensemble of Randomly Projected Linear
Discriminants [94.46276668068327]
[1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。
我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。
また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
論文 参考訳(メタデータ) (2020-04-17T12:47:04Z) - 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。