論文の概要: Unitary channel discrimination beyond group structures: Advantages of
sequential and indefinite-causal-order strategies
- arxiv url: http://arxiv.org/abs/2105.13369v3
- Date: Fri, 13 May 2022 13:14:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-29 07:05:46.024623
- Title: Unitary channel discrimination beyond group structures: Advantages of
sequential and indefinite-causal-order strategies
- Title（参考訳）: グループ構造を超えたユニタリチャネル識別:逐次的および不確定因数順序戦略の利点
- Authors: Jessica Bavaresco, Mio Murao, Marco T\'ulio Quintino
- Abstract要約: 最小限のチャネル識別タスクでは、シーケンシャル戦略が並列処理よりも優れていることを示す。
群を形成する一様分布のユニタリチャネルの集合を識別するタスクに対して、並列戦略が実際に最適であることを示す。
また、量子スイッチに基づく戦略は、ユニタリチャネルの識別において逐次戦略よりも優れていることを示す。
- 参考スコア（独自算出の注目度）: 3.222802562733787
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: For minimum-error channel discrimination tasks that involve only unitary
channels, we show that sequential strategies may outperform the parallel ones.
Additionally, we show that general strategies that involve indefinite causal
order are also advantageous for this task. However, for the task of
discriminating a uniformly distributed set of unitary channels that forms a
group, we show that parallel strategies are, indeed, optimal, even when
compared to general strategies. We also show that strategies based on the
quantum switch cannot outperform sequential strategies in the discrimination of
unitary channels. Finally, we derive an absolute upper bound for the maximal
probability of successfully discriminating any set of unitary channels with any
number of copies for the most general strategies that are suitable for channel
discrimination. Our bound is tight since it is saturated by sets of unitary
channels forming a group k-design.
- Abstract（参考訳）: ユニタリチャネルのみを含む最小エラーチャネル識別タスクでは、シーケンシャル戦略が並列チャネルよりも優れていることを示す。
さらに,無期限因果順序を伴う一般的な戦略が,このタスクに有利であることを示す。
しかし,群を形成するユニタリチャネルの均一に分散した集合を識別するタスクに対して,並列戦略は一般戦略と比較しても,実際は最適であることを示す。
また,量子スイッチに基づく戦略は,単一チャネルの識別において逐次戦略を上回らないことを示す。
最後に、チャネル識別に適した最も一般的な戦略に対して、任意の数のコピーを持つ任意のユニタリチャネルの集合を識別できる最大確率の絶対上限を導出する。
私たちの境界は、群 k-設計を形成するユニタリチャネルの集合によって飽和しているため、きつい。
関連論文リスト
- From Similarity to Superiority: Channel Clustering for Time Series Forecasting [61.96777031937871]
CCM(Channel Clustering Module)を開発した。
CCMは、固有の類似性を特徴とするチャネルを動的にグループ化し、個々のチャネルのアイデンティティの代わりにクラスタ情報を活用する。
CCMは、CIモデルとCDモデルのパフォーマンスを、それぞれ長期および短期の予測において平均利率2.4%と7.2%で向上させることができる。
論文 参考訳（メタデータ） (2024-03-31T02:46:27Z) - Infinite Dimensional Asymmetric Quantum Channel Discrimination [8.056359341994941]
分離可能な空間に作用するカンタムチャネルの非対称二成分チャネル識別について検討する。
任意の$alpha > 1$ の二つのチャネル間の幾何学的R'enyi分散の有限性の下では、適応戦略は平行なチャネルよりも有利ではないことを示す。
論文 参考訳（メタデータ） (2023-08-24T17:56:19Z) - Composite Classical and Quantum Channel Discrimination [6.553031877558699]
非対称なセッティングにおける二元合成チャネル識別の問題について検討し、その仮説は比較的任意のチャネル集合によって与えられる。
一般的な単純な仮説とは異なり、古典的なチャネルに対する合成仮説を用いたチャネル識別戦略には利点があることが示される。
論文 参考訳（メタデータ） (2023-03-03T15:31:38Z) - Group-covariant extreme and quasi-extreme channels [0.0]
有限離散群やコンパクト連結リー群に対して共変であるような極端チャネルを正確に構築できる体系的なアプローチを導入する。
我々は、群共変一般化極端チャネルの構築と分類の問題を形式化し、擬似符号として表現するアルゴリズム的アプローチを導出する。
論文 参考訳（メタデータ） (2022-10-07T10:43:19Z) - Rethinking Clustering-Based Pseudo-Labeling for Unsupervised
Meta-Learning [146.11600461034746]
教師なしメタラーニングのメソッドであるCACTUsは、擬似ラベル付きクラスタリングベースのアプローチである。
このアプローチはモデルに依存しないため、教師付きアルゴリズムと組み合わせてラベルのないデータから学習することができる。
このことの核となる理由は、埋め込み空間においてクラスタリングに優しい性質が欠如していることである。
論文 参考訳（メタデータ） (2022-09-27T19:04:36Z) - Weakly-supervised Action Localization via Hierarchical Mining [76.00021423700497]
弱教師付きアクションローカライゼーションは、ビデオレベルの分類ラベルだけで、与えられたビデオ内のアクションインスタンスを時間的にローカライズし、分類することを目的としている。
ビデオレベルおよびスニペットレベルでの階層的マイニング戦略,すなわち階層的監視と階層的一貫性マイニングを提案する。
我々は、HiM-NetがTHUMOS14とActivityNet1.3データセットの既存の手法よりも、階層的に監督と一貫性をマイニングすることで、大きなマージンを持つことを示す。
論文 参考訳（メタデータ） (2022-06-22T12:19:09Z) - Parallelization of Adaptive Quantum Channel Discrimination in the
Non-Asymptotic Regime [11.538345159297839]
有限個のチャネルを用いた並列かつ適応的な量子チャネル識別戦略の性能について検討する。
この結果は、任意の適応戦略に対して並列戦略を明示的に構築することにより、有限個のチャネルを使用する非漸近的体系に拡張する。
論文 参考訳（メタデータ） (2022-06-16T17:52:49Z) - Channel-wise Knowledge Distillation for Dense Prediction [73.99057249472735]
本稿では,学生ネットワークと教師ネットワークのチャンネルワイズ機能について提案する。
様々なネットワーク構造を持つ3つのベンチマークにおいて、一貫して優れた性能を実現している。
論文 参考訳（メタデータ） (2020-11-26T12:00:38Z) - Strict hierarchy between parallel, sequential, and
indefinite-causal-order strategies for channel discrimination [3.222802562733787]
逐次戦略が並列戦略より優れている2つの量子ビット量子チャネルの最小エラー判定の例を示す。
我々は、不明確な因果順序を含むチャネル識別のための2つの新しい戦略のクラスを確立し、これら4つの戦略のパフォーマンスの間に厳密な階層が存在することを示す。
論文 参考訳（メタデータ） (2020-11-16T21:49:43Z) - Towards Robust Fine-grained Recognition by Maximal Separation of
Discriminative Features [72.72840552588134]
本研究は, 粒度認識ネットワークにおけるクラス間の潜伏表現の近接性を, 敵攻撃の成功の鍵となる要因として同定する。
注意に基づく正規化機構を導入し、異なるクラスの識別潜在特徴を最大限に分離する。
論文 参考訳（メタデータ） (2020-06-10T18:34:45Z) - The Devil is in the Channels: Mutual-Channel Loss for Fine-Grained Image
Classification [67.79883226015824]
きめ細かい画像分類を解く鍵は、微妙な視覚的特徴に対応する識別領域と局所領域を見つけることである。
本稿では,複雑なネットワーク設計や学習機構を必要とせずに,微妙な詳細を育むことができることを示す。
提案した損失関数は、相互チャネル損失(MC-Loss)と呼ばれ、2つのチャネル固有成分から構成される。
論文 参考訳（メタデータ） (2020-02-11T09:12:45Z)
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。