論文の概要: Minimization of the estimation error for entanglement distribution networks with arbitrary noise

• arxiv url: http://arxiv.org/abs/2203.09921v2
• Date: Fri, 7 Oct 2022 00:22:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-21 12:31:38.249985
• Title: Minimization of the estimation error for entanglement distribution networks with arbitrary noise
• Title（参考訳）: 任意雑音を伴う絡み合い分布ネットワークにおける推定誤差の最小化
• Authors: Liangzhong Ruan
• Abstract要約: ノードが絡み合った量子ビット対のサブセットをランダムにサンプリングして測定し、その結果に照らされたアンサンプペアの平均忠実度を推定する構成を考察する。 提案した推定プロトコルは、任意のノイズと事前情報のない難易度シナリオにおいて、最小平均2乗推定誤差を達成する。
• 参考スコア（独自算出の注目度）: 1.3198689566654105
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fidelity estimation is essential for the quality control of entanglement distribution networks. Because measurements collapse quantum states, we consider a setup in which nodes randomly sample a subset of the entangled qubit pairs to measure and then estimate the average fidelity of the unsampled pairs conditioned on the measurement outcome. The proposed estimation protocol achieves the lowest mean squared estimation error in a difficult scenario with arbitrary noise and no prior information. Moreover, this protocol is implementation friendly because it only performs local Pauli operators according to a predefined sequence. Numerical studies show that compared to existing fidelity estimation protocols, the proposed protocol reduces the estimation error in both scenarios with i.i.d. noise and correlated noise.
• Abstract（参考訳）: 密接分散ネットワークの品質管理には忠実度推定が不可欠である。 量子状態が崩壊するので、ノードが絡み合った量子ビットペアのサブセットをランダムにサンプリングして測定し、その結果に条件付けられたアンサンプペアの平均忠実度を推定する構成を考える。 提案手法は,任意の雑音と事前情報のない難シナリオにおいて,最小平均二乗推定誤差を達成する。 さらに、このプロトコルは、事前に定義されたシーケンスに従ってローカルなパウリ演算子のみを実行するため、実装に親しみやすい。 提案手法は,既存の忠実度推定プロトコルと比較して,雑音と相関雑音の双方のシナリオにおける推定誤差を低減する。

関連論文リスト

• Adaptive Refinement Protocols for Distributed Distribution Estimation under $\ell^p$-Losses [9.766173684831324]
  通信制約のある$ellp$損失の離散分布の推定を考える。 我々は、ほとんどのパラメーター系における問題の最小値の最適値を得る。
  論文  参考訳（メタデータ） (2024-10-09T13:46:08Z)
• Error minimization for fidelity estimation of GHZ states with arbitrary noise [0.32634122554913997]
  この研究は、複数のノードがノイズの多いGreenberger-Horne-Zeilinger状態(GHZ)を共有するシナリオを研究する。 量子測定の崩壊の性質のため、ノードは無作為にノイズの多いGHZ状態のサブセットをサンプリングする。 提案プロトコルは,任意の雑音を特徴とする難易度シナリオにおいて,最小平均2乗推定誤差を実現する。
  論文  参考訳（メタデータ） (2024-08-18T09:02:17Z)
• Symmetric Q-learning: Reducing Skewness of Bellman Error in Online Reinforcement Learning [55.75959755058356]
  深層強化学習では、状態や行動の質を評価するために、価値関数を推定することが不可欠である。 最近の研究では、値関数を訓練する際の誤差分布はベルマン作用素の特性のためにしばしば歪むことが示唆されている。 そこで我々は,ゼロ平均分布から発生する合成ノイズを目標値に加え,ガウス誤差分布を生成するSymmetric Q-learning法を提案する。
  論文  参考訳（メタデータ） (2024-03-12T14:49:19Z)
• Direct Unsupervised Denoising [60.71146161035649]
  教師なしのデノイザは、MMSE推定のような単一の予測を直接生成しない。 本稿では,VAEと並んで決定論的ネットワークを訓練し,中心的な傾向を直接予測するアプローチを提案する。
  論文  参考訳（メタデータ） (2023-10-27T13:02:12Z)
• A Tale of Sampling and Estimation in Discounted Reinforcement Learning [50.43256303670011]
  割引平均推定問題に対して最小値の最小値を求める。 マルコフ過程の割引されたカーネルから直接サンプリングすることで平均を推定すると、説得力のある統計的性質が得られることを示す。
  論文  参考訳（メタデータ） (2023-04-11T09:13:17Z)
• Optimal supplier of single-error-type entanglement via coherent-state transmission [1.2891210250935146]
  我々は、損失チャネル上のコヒーレント状態伝送を介して、遠隔キュービットに対する単一エラー型絡み合いを示すプロトコルを検討する。 このプロトコルは、Ebitsやpbitsのような最終的な出力を得るために、より大きなプロトコルの絡み合いを提供するサブルーチンと見なされている。
  論文  参考訳（メタデータ） (2022-03-31T15:36:54Z)
• Correlated quantization for distributed mean estimation and optimization [21.17434087570296]
  本稿では,誤差保証が絶対範囲ではなくデータ点のずれに依存する相関量子化プロトコルを提案する。 分散最適化アルゴリズムにおいて,提案プロトコルをサブルーチンとして適用することにより,コンバージェンス率が向上することを示す。
  論文  参考訳（メタデータ） (2022-03-09T18:14:55Z)
• Addressing Randomness in Evaluation Protocols for Out-of-Distribution Detection [1.8047694351309207]
  分類のためのディープニューラルネットワークは、トレーニング分布に起因しない入力に直面すると予測不可能に振る舞う。 我々は,現在のプロトコルが OOD 手法の期待性能を信頼できないことを示す。 ランダム性に対処するモンテカルロ法を用いてOOD法の性能を推定する。
  論文  参考訳（メタデータ） (2022-03-01T12:06:44Z)
• Entanglement purification by counting and locating errors with entangling measurements [62.997667081978825]
  量子状態の複数コピーに対するエンタングルメント浄化プロトコルについて検討する。 ノイズアンサンブルにおける誤差の数と位置を高次元補助的絡み合いシステムを用いて学習する。
  論文  参考訳（メタデータ） (2020-11-13T19:02:33Z)
• Amortized Conditional Normalized Maximum Likelihood: Reliable Out of Distribution Uncertainty Estimation [99.92568326314667]
  本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。 提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。 我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
  論文  参考訳（メタデータ） (2020-11-05T08:04:34Z)
• Log-Likelihood Ratio Minimizing Flows: Towards Robust and Quantifiable Neural Distribution Alignment [52.02794488304448]
  そこで本研究では,対数様比統計量と正規化フローに基づく新しい分布アライメント手法を提案する。 入力領域の局所構造を保存する領域アライメントにおいて,結果の最小化を実験的に検証する。
  論文  参考訳（メタデータ） (2020-03-26T22:10:04Z)

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。