論文の概要: Online identification of symmetric pure states

• arxiv url: http://arxiv.org/abs/2107.02127v4
• Date: Sun, 30 Jan 2022 11:27:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-23 08:59:33.321780
• Title: Online identification of symmetric pure states
• Title（参考訳）: 対称純粋状態のオンライン同定
• Authors: Gael Sent\'is, Esteban Mart\'inez-Vargas and Ramon Mu\~noz-Tapia
• Abstract要約: 我々は, 対称純状態間の識別をゼロ誤差で行うためのオンライン戦略を, それらの状態の$n$コピーが提供されるときに検討する。 オンライン戦略には、各コピーの局所的、おそらく適応的な測定が含まれ、各ステップで最適である。 オンラインスキームが任意の複雑なオーバーラップに対して最適なグローバルパフォーマンスを達成できないという説得力のある証拠を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We consider online strategies for discriminating between symmetric pure states with zero error when $n$ copies of the states are provided. Optimized online strategies involve local, possibly adaptive measurements on each copy and are optimal at each step, which makes them robust in front of particle losses or an abrupt termination of the discrimination process. We first review previous results on binary minimum and zero error discrimination with local measurements that achieve the maximum success probability set by optimizing over global measurements, highlighting their online features. We then extend these results to the case of zero error identification of three symmetric states with constant overlap. We provide optimal online schemes that attain global performance for any $n$ if the state overlaps are positive, and for odd $n$ if overlaps have a negative value. For arbitrary complex overlaps, we show compelling evidence that online schemes fail to reach optimal global performance. The online schemes that we describe only require to store the last outcome obtained in a classical memory, and adaptiveness of the measurements reduce to at most two changes, regardless of the value of $n$.
• Abstract（参考訳）: 我々は, 対称純状態間の識別をゼロ誤差で行うためのオンライン戦略を, それらの状態の$n$コピーが提供されるときに検討する。 最適化されたオンライン戦略には、各コピーの局所的、おそらく適応的な測定が含まれ、各ステップで最適である。 まず,グローバル計測を最適化し,オンライン特徴を強調することで,最大成功確率を達成するローカル測定による2進最小とゼロの誤差識別について,先行した結果をレビューした。 これらの結果は、3つの対称状態のゼロ誤差が一定重なり合う場合まで拡張する。 我々は、状態オーバーラップが正であれば$n$、重複オーバーラップが負の値であれば$n$のグローバルなパフォーマンスを実現する最適なオンラインスキームを提供する。 任意の複雑な重複に対して、オンラインスキームが最適なグローバルパフォーマンスに到達できないという説得力のある証拠を示す。 私たちが記述するオンラインスキームは、古典記憶で得られる最後の結果を格納するだけで、測定値の適応性は、n$の値に関係なく、少なくとも2つの変更に低下します。

関連論文リスト

• Experimental optimal discrimination of $N$ states of a qubit with fixed rates of inconclusive outcomes [0.5452584641316628]
  一般化された測定スキームでは、不確定結果の固定レート(FRIO)の制約の下で誤差率を最小化する。 ここでは、フォトニックパスモードで符号化された量子ビットの対称状態に対して、$N=2,3,5,$と$7$の最適FRIO判別を実験的に示す。
  論文  参考訳（メタデータ） (2024-11-21T19:09:58Z)
• Online Consistency of the Nearest Neighbor Rule [10.87005264373496]
  実現可能なオンライン設定では、学習者は、各予測後に正しい回答が明らかにされるインスタンスのストリームの予測を行う。 弱仮定の下で、計量空間を2倍にするようなすべての可測関数に対するオンライン整合性は、有限な上倍測度に対して一様に連続な過程によって生成されることを証明する。
  論文  参考訳（メタデータ） (2024-10-31T05:31:42Z)
• Minimax Adaptive Boosting for Online Nonparametric Regression [10.138723409205497]
  本稿では,非パラメトリック回帰に対するパラメータフリーオンライン勾配向上アルゴリズムを提案する。 連鎖木への応用は、リプシッツ関数と競合する際の極小極小後悔を達成できることを示す。
  論文  参考訳（メタデータ） (2024-10-04T12:30:03Z)
• Universal Online Learning with Gradient Variations: A Multi-layer Online Ensemble Approach [57.92727189589498]
  本稿では,2段階の適応性を持つオンライン凸最適化手法を提案する。 我々は$mathcalO(log V_T)$, $mathcalO(d log V_T)$, $hatmathcalO(sqrtV_T)$ regret bounds for strong convex, exp-concave and convex loss function。
  論文  参考訳（メタデータ） (2023-07-17T09:55:35Z)
• Learning for Edge-Weighted Online Bipartite Matching with Robustness Guarantees [28.737193318136725]
  我々は,ロバストネス保証 (LOMAR) を用いたエッジ重み付きオンラインバイパートイトマッチングの新しい手法を提案する。 LOMARは、平均ケースと最悪のケースのパフォーマンスの両方を達成する。
  論文  参考訳（メタデータ） (2023-05-31T20:41:42Z)
• For Learning in Symmetric Teams, Local Optima are Global Nash Equilibria [42.03569334193515]
  局所最適対称戦略プロファイルもまた(グローバル)ナッシュ平衡であることを示す。 混合局所最適が不規則な非対称偏差の下で不安定なゲーム群を同定する。 結果の多エージェントRL, 協調的逆RL, 分散POMDPへの適用性について論じる。
  論文  参考訳（メタデータ） (2022-07-07T17:55:04Z)
• Pessimistic Minimax Value Iteration: Provably Efficient Equilibrium Learning from Offline Datasets [101.5329678997916]
  両プレイヤーゼロサムマルコフゲーム(MG)をオフライン環境で研究する。 目標は、事前収集されたデータセットに基づいて、近似的なナッシュ均衡(NE)ポリシーペアを見つけることである。
  論文  参考訳（メタデータ） (2022-02-15T15:39:30Z)
• Where is the Grass Greener? Revisiting Generalized Policy Iteration for Offline Reinforcement Learning [81.15016852963676]
  オフラインRL体制における最先端のベースラインを、公正で統一的で高分解能なフレームワークの下で再実装する。 与えられたベースラインが、スペクトルの一方の端で競合する相手よりも優れている場合、他方の端では決してしないことを示す。
  論文  参考訳（メタデータ） (2021-07-03T11:00:56Z)
• Optimal Rates for Random Order Online Optimization [60.011653053877126]
  敵が損失関数を選択できるカテットガルバー2020onlineについて検討するが、一様にランダムな順序で提示される。 2020onlineアルゴリズムが最適境界を達成し,安定性を著しく向上することを示す。
  論文  参考訳（メタデータ） (2021-06-29T09:48:46Z)
• Online Adversarial Attacks [57.448101834579624]
  我々は、実世界のユースケースで見られる2つの重要な要素を強調し、オンライン敵攻撃問題を定式化する。 まず、オンライン脅威モデルの決定論的変種を厳格に分析する。 このアルゴリズムは、現在の最良の単一しきい値アルゴリズムよりも、$k=2$の競争率を確実に向上させる。
  論文  参考訳（メタデータ） (2021-03-02T20:36:04Z)
• Toward Optimal Adversarial Policies in the Multiplicative Learning System with a Malicious Expert [87.12201611818698]
  専門家のアドバイスを組み合わせて真の結果を予測する学習システムについて考察する。 専門家の一人が悪意があり、システムに最大損失を課すことを目指していると推測されている。 誤予測を常に報告する単純な欲求ポリシーは、近似比が1+O(sqrtfracln NN)$で最適であることを示す。 悪意のある専門家がその判断を適応的に行うことができるオンライン環境では、最適のオンラインポリシーを$O(N3)$で動的プログラムを解くことで効率的に計算できることが示される。
  論文  参考訳（メタデータ） (2020-01-02T18:04:46Z)

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。