論文の概要: Optimal Adaptive Strategies for Sequential Quantum Hypothesis Testing
- arxiv url: http://arxiv.org/abs/2104.14706v2
- Date: Mon, 28 Feb 2022 01:58:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-02 00:00:47.065115
- Title: Optimal Adaptive Strategies for Sequential Quantum Hypothesis Testing
- Title(参考訳): 逐次量子仮説テストのための最適適応戦略
- Authors: Yonglong Li, Vincent Y. F. Tan, and Marco Tomamichel
- Abstract要約: 適応的および非適応的戦略を用いた2つの量子状態間の逐次仮説テストについて検討する。
両状態間の相対エントロピーの測定により,これらの誤差は指数関数的に減少することを示した。
- 参考スコア(独自算出の注目度): 87.17253904965372
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We consider sequential hypothesis testing between two quantum states using
adaptive and non-adaptive strategies. In this setting, samples of an unknown
state are requested sequentially and a decision to either continue or to accept
one of the two hypotheses is made after each test. Under the constraint that
the number of samples is bounded, either in expectation or with high
probability, we exhibit adaptive strategies that minimize both types of
misidentification errors. Namely, we show that these errors decrease
exponentially (in the stopping time) with decay rates given by the measured
relative entropies between the two states. Moreover, if we allow joint
measurements on multiple samples, the rates are increased to the respective
quantum relative entropies. We also fully characterize the achievable error
exponents for non-adaptive strategies and provide numerical evidence showing
that adaptive measurements are necessary to achieve our bounds under some
additional assumptions.
- Abstract(参考訳): 適応的および非適応的戦略を用いた2つの量子状態間の逐次仮説テストを検討する。
この設定では、未知状態のサンプルを順次要求し、テスト後に2つの仮説のうちの1つを継続または受理する決定を行う。
サンプル数が期待値または高い確率で有界であるという制約の下では、両方の誤同定誤差を最小化する適応戦略を示す。
すなわち、これらの誤差は、測定された相対エントロピーによる2つの状態間の崩壊速度で指数関数的に減少する(停止時間)。
さらに,複数の試料の合同測定を可能とすると,それぞれの量子相対エントロピーに上昇する。
また,非適応戦略の達成可能な誤差指数を完全に特徴付けし,いくつかの追加仮定の下での適応的測定が限界を達成するために必要であることを示す数値的証拠を提供する。
関連論文リスト
- Shallow-Depth Variational Quantum Hypothesis Testing [0.0]
本稿では,量子チャネルとして符号化されたいくつかの仮説を微分するための変分量子アルゴリズムを提案する。
状態準備と測定は、単発判別の成功確率を用いて同時に最適化される。
論文 参考訳(メタデータ) (2023-04-28T09:26:26Z) - Randomized adaptive quantum state preparation [0.0]
コスト関数を最小化し、適応的に構築された量子回路を介して所望の量子状態を作成する。
ほぼ全ての初期状態に対して、対象状態への収束が達成できるという理論的議論と数値的な証拠を提供する。
論文 参考訳(メタデータ) (2023-01-10T20:32:49Z) - Using adaptiveness and causal superpositions against noise in quantum
metrology [0.0]
我々は、最も一般的な適応型量子力学シナリオにおける達成可能な精度の新たな限界を導出する。
境界は飽和可能であることが証明され、多数のチャネルの使用の限界における既知の並列スキーム境界と等価である。
論文 参考訳(メタデータ) (2022-12-15T19:43:24Z) - Sequential Quantum Channel Discrimination [19.785872350085878]
適応的および非適応的戦略を用いた逐次量子チャネル識別問題を考える。
どちらの種類の誤差確率も指数関数的に0に減少することを示す。
達成可能なレート領域は、POVMで達成可能な領域よりも大きくないと予想する。
論文 参考訳(メタデータ) (2022-10-20T08:13:39Z) - Near-optimal inference in adaptive linear regression [60.08422051718195]
最小二乗法のような単純な方法でさえ、データが適応的に収集されるときの非正規な振る舞いを示すことができる。
我々は,これらの分布異常を少なくとも2乗推定で補正するオンラインデバイアス推定器のファミリーを提案する。
我々は,マルチアームバンディット,自己回帰時系列推定,探索による能動的学習などの応用を通して,我々の理論の有用性を実証する。
論文 参考訳(メタデータ) (2021-07-05T21:05:11Z) - Multivariate Probabilistic Regression with Natural Gradient Boosting [63.58097881421937]
多変量予測分布の条件パラメータを非パラメトリックにモデル化したNatural Gradient Boosting (NGBoost) 手法を提案する。
提案手法は頑健で, 広範囲なチューニングを伴わず, 推定対象分布に対してモジュール構造であり, 既存の手法と比較して競争力がある。
論文 参考訳(メタデータ) (2021-06-07T17:44:49Z) - When are Adaptive Strategies in Asymptotic Quantum Channel
Discrimination Useful? [54.48684866061923]
チャネルの使用に関して、適応戦略と非適応戦略の間には根本的な区別がある。
古典的フィードバックと量子メモリを入力に含まない適応戦略は、絡み合うチャネルの識別能力を高めないことを示す。
論文 参考訳(メタデータ) (2020-11-12T18:40:47Z) - A One-step Approach to Covariate Shift Adaptation [82.01909503235385]
多くの機械学習シナリオにおけるデフォルトの前提は、トレーニングとテストサンプルは同じ確率分布から引き出されることである。
予測モデルと関連する重みを1つの最適化で共同で学習する新しいワンステップアプローチを提案する。
論文 参考訳(メタデータ) (2020-07-08T11:35:47Z) - The Simulator: Understanding Adaptive Sampling in the
Moderate-Confidence Regime [52.38455827779212]
エミュレータと呼ばれる適応サンプリングを解析するための新しい手法を提案する。
適切なログファクタを組み込んだトップk問題の最初のインスタンスベースの下位境界を証明します。
我々の新しい分析は、後者の問題に対するこの種の最初のエミュレータであるベストアームとトップkの識別に、シンプルでほぼ最適であることを示した。
論文 参考訳(メタデータ) (2017-02-16T23:42:02Z)
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。