論文の概要: Geometric Bloch Vector Solution to Minimum Error Discriminations of
Mixed Qubit States
- arxiv url: http://arxiv.org/abs/2108.12299v5
- Date: Wed, 8 Nov 2023 15:56:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-09 20:52:26.031395
- Title: Geometric Bloch Vector Solution to Minimum Error Discriminations of
Mixed Qubit States
- Title（参考訳）: 混合量子ビット状態の最小誤差弁別に対する幾何学的ブロッホベクトル解
- Authors: Mahdi Rouhbakhsh N. and Seyed Arash Ghoreishi
- Abstract要約: 混合量子ビット状態に対して$Gamma$を求めるための4段階構造命令を開発する。
提案手法は,4つの量子ビット状態に対する新しい結果を含む2,3,4つの混合量子ビット状態に対する最適解を網羅する。
- 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 investigate minimum-error (ME) discrimination for mixed qubit states using
a geometric approach. By analyzing positive operator-valued measure (POVM)
solutions and introducing Lagrange operator $\Gamma$, we develop a four-step
structured instruction to find $\Gamma$ for $N$ mixed qubit states. Our method
covers optimal solutions for two, three, and four mixed qubit states, including
a novel result for four qubit states. We introduce geometric-based POVM classes
and non-decomposable subsets for constructing optimal solutions, enabling us to
find all possible answers for the general problem of minimum-error
discrimination for $N$ mixed qubit states with arbitrary a priori
probabilities.
- Abstract（参考訳）: 混合量子ビット状態の最小誤差(ME)判別を幾何学的手法を用いて検討する。
正の演算子値測度(POVM)を解析し、ラグランジュ演算子$\Gamma$を導入することにより、混合量子ビット状態に対して$\Gamma$を求める4段階構造命令を開発する。
提案手法は,4つの量子ビット状態に対する新しい結果を含む2,3,4つの混合量子ビット状態に対する最適解を網羅する。
最適解を構成するための幾何ベースのPOVMクラスと非分解不能なサブセットを導入し、任意の a priori 確率を持つ混合量子ビット状態に対して、最小エラー判別の一般的な問題に対する全ての可能な解を見つけることができる。
関連論文リスト
- Blockwise Stochastic Variance-Reduced Methods with Parallel Speedup for
Multi-Block Bilevel Optimization [43.74656748515853]
非定常多重ブロック双レベル最適化問題には$mgg 1$低レベル問題があり、機械学習において重要な応用がある。
a)標準BO問題の最先端の複雑さを1ブロックに合わせること,(b)サンプルブロックごとのサンプルをサンプリングして並列高速化すること,(c)高次元ヘッセン行列推定器の逆計算を避けること,の3つの特性を実現することを目的とする。
論文 参考訳（メタデータ） (2023-05-30T04:10:11Z) - Differentially-Private Hierarchical Clustering with Provable
Approximation Guarantees [79.59010418610625]
階層クラスタリングのための微分プライベート近似アルゴリズムについて検討する。
例えば、$epsilon$-DPアルゴリズムは入力データセットに対して$O(|V|2/epsilon)$-additiveエラーを示さなければならない。
本稿では,ブロックを正確に復元する1+o(1)$近似アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-01-31T19:14:30Z) - Subsystem Trace-Distances of Two Random States [0.0]
カオス量子系における二状態判別について検討する。
有限数$N$の量子ビットに対する対応するクロスオーバーを解析的に計算する。
我々は,多体カオスに対するモデルの正確な対角化に対する予測を検証した。
論文 参考訳（メタデータ） (2022-10-06T21:16:10Z) - Best Policy Identification in Linear MDPs [70.57916977441262]
縮退した線形マルコフ+デルタ決定における最適同定問題について, 生成モデルに基づく固定信頼度設定における検討を行った。
複雑な非最適化プログラムの解としての下位境界は、そのようなアルゴリズムを考案する出発点として用いられる。
論文 参考訳（メタデータ） (2022-08-11T04:12:50Z) - Multi-block-Single-probe Variance Reduced Estimator for Coupled
Compositional Optimization [49.58290066287418]
構成問題の複雑さを軽減するために,MSVR (Multi-block-probe Variance Reduced) という新しい手法を提案する。
本研究の結果は, 試料の複雑さの順序や強靭性への依存など, 様々な面で先行して改善された。
論文 参考訳（メタデータ） (2022-07-18T12:03:26Z) - A gradient estimator via L1-randomization for online zero-order
optimization with two point feedback [93.57603470949266]
2つの関数評価とランダム化に基づく新しい勾配推定器を提案する。
ゼロ次オラクルの雑音に対する仮定は,ノイズのキャンセルと逆方向雑音の2種類について考察する。
我々は、問題の全てのパラメータに適応する、いつでも完全にデータ駆動のアルゴリズムを提供する。
論文 参考訳（メタデータ） (2022-05-27T11:23:57Z) - A Geometric Approach to $k$-means [17.933546927589685]
本稿では、望ましくないローカルソリューションをエスケープするための一般的なアルゴリズムフレームワークを提案する。
本稿では,これらのステップの実装について議論し,提案手法が$k$-meansアルゴリズムの変種をどのように統合するかを明らかにする。
論文 参考訳（メタデータ） (2022-01-13T07:47:50Z) - Complete analysis to minimum-error discrimination of mixed four qubit
states with arbitrary prior probabilities [0.0]
零測度演算子の存在に必要かつ十分な条件を見出す。
任意の事前確率を持つ混合4量子状態の最小誤差判別を解析する。
論文 参考訳（メタデータ） (2021-11-15T12:55:28Z) - Under-bagging Nearest Neighbors for Imbalanced Classification [63.026765294759876]
我々は,不均衡な分類問題に対して,textitunder-bagging $k$-NN (textitunder-bagging $k$-NN) というアンサンブル学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-09-01T14:10:38Z) - Navigating to the Best Policy in Markov Decision Processes [68.8204255655161]
マルコフ決定過程における純粋探索問題について検討する。
エージェントはアクションを逐次選択し、結果のシステム軌道から可能な限り早くベストを目標とする。
論文 参考訳（メタデータ） (2021-06-05T09:16:28Z) - Graph cuts always find a global optimum for Potts models (with a catch) [17.03788288165262]
MAP推論のための$alpha$-expansionアルゴリズムは、常にポッツ対ポテンシャルを持つマルコフランダム場に対して、大域的に最適な代入を返すことを証明している。
拡張移動に関するすべての局所ミニマは、問題のわずかに摂動されたバージョンに対する大域的ミニマである。
論文 参考訳（メタデータ） (2020-11-07T00:01:06Z)
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。