論文の概要: QuanEstimation: An open-source toolkit for quantum parameter estimation
- arxiv url: http://arxiv.org/abs/2205.15588v3
- Date: Tue, 25 Oct 2022 03:19:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-11 04:09:35.892979
- Title: QuanEstimation: An open-source toolkit for quantum parameter estimation
- Title（参考訳）: QuanEstimation: 量子パラメータ推定のためのオープンソースのツールキット
- Authors: Mao Zhang, Huai-Ming Yu, Haidong Yuan, Xiaoguang Wang, Rafa{\l}
Demkowicz-Dobrza\'nski, Jing Liu
- Abstract要約: 量子パラメータ推定のためのPython-Juliaベースのオープンソースツールキットを提案する。
それは多くのよく使われる数学的境界と最適化方法を含んでいる。
- 参考スコア（独自算出の注目度）: 4.648493096183626
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Quantum parameter estimation promises a high-precision measurement in theory,
however, how to design the optimal scheme in a specific scenario, especially
under a practical condition, is still a serious problem that needs to be solved
case by case due to the existence of multiple mathematical bounds and
optimization methods. Depending on the scenario considered, different bounds
may be more or less suitable, both in terms of computational complexity and the
tightness of the bound itself. At the same time, the metrological schemes
provided by different optimization methods need to be tested against
realization complexity, robustness, etc. Hence, a comprehensive toolkit
containing various bounds and optimization methods is essential for the scheme
design in quantum metrology. To fill this vacancy, here we present a
Python-Julia-based open-source toolkit for quantum parameter estimation, which
includes many well-used mathematical bounds and optimization methods. Utilizing
this toolkit, all procedures in the scheme design, such as the optimizations of
the probe state, control and measurement, can be readily and efficiently
performed.
- Abstract（参考訳）: 量子パラメータ推定は理論において高精度な測定を約束するが、特定のシナリオにおいて最適なスキームを設計する方法、特に実際的な条件下では、複数の数学的境界と最適化方法が存在するため、ケースによって解決する必要がある深刻な問題である。
考慮されたシナリオによって、計算複雑性と境界自体の厳密性の両方の観点から、異なる境界は、多かれ少なかれ適しているかもしれない。
同時に、異なる最適化手法によって提供されるメトロジースキームは、実現の複雑さや堅牢性などに対してテストする必要がある。
したがって、量子力学におけるスキーム設計には、様々な境界と最適化手法を含む包括的ツールキットが不可欠である。
この空白を埋めるために,我々はpython-juliaベースの量子パラメータ推定のためのオープンソースツールキットを提案する。
このツールキットを利用することで、プローブ状態の最適化、制御、測定などのスキーム設計における全ての手順を容易かつ効率的に行うことができる。
関連論文リスト
- A Novel Unified Parametric Assumption for Nonconvex Optimization [53.943470475510196]
非最適化は機械学習の中心であるが、一般の非凸性は弱い収束を保証するため、他方に比べて悲観的すぎる。
非凸アルゴリズムに新しい統一仮定を導入する。
論文 参考訳（メタデータ） (2025-02-17T21:25:31Z) - Implementing transferable annealing protocols for combinatorial optimisation on neutral atom quantum processors: a case study on smart-charging of electric vehicles [1.53934570513443]
本稿では,類似した局所構造を持つ問題インスタンス間のパラメータ転送可能性の有望性に基づいて構築する。
本研究は,共有ジオメトリを持つグラフ族上の最大独立集合問題に対して,最適パラメータが自然に集中していることを明らかにする。
本手法を用いて,実データセット上でのスマートチャージ最適化問題に対処する。
論文 参考訳（メタデータ） (2024-11-25T18:41:02Z) - QestOptPOVM: An iterative algorithm to find optimal measurements for quantum parameter estimation [17.305295658536828]
最適正の演算子検定(POVM)を直接同定するアルゴリズム「QestPOVM」を導入する。
量子状態の複数コピー(最大6コピー)の厳密な試行を通じて,提案アルゴリズムの有効性と精度を実証した。
提案アルゴリズムは,最適なPOVMの明示的な形式を解明するためのツールとして機能し,量子パラメータ推定手法の理解を深める。
論文 参考訳（メタデータ） (2024-03-29T11:46:09Z) - End-to-End Learning for Fair Multiobjective Optimization Under
Uncertainty [55.04219793298687]
機械学習における予測-Then-Forecast(PtO)パラダイムは、下流の意思決定品質を最大化することを目的としている。
本稿では,PtO法を拡張して,OWA(Nondifferentiable Ordered Weighted Averaging)の目的を最適化する。
この結果から,不確実性の下でのOWA関数の最適化とパラメトリック予測を効果的に統合できることが示唆された。
論文 参考訳（メタデータ） (2024-02-12T16:33:35Z) - Finding the optimal probe state for multiparameter quantum metrology
using conic programming [61.98670278625053]
本稿では,対応する精度境界に対する最適プローブ状態を決定するための円錐型プログラミングフレームワークを提案する。
また、この理論を量子プローブ状態を用いた標準場センシング問題の解析にも応用する。
論文 参考訳（メタデータ） (2024-01-11T12:47:29Z) - Designing optimal protocols in Bayesian quantum parameter estimation with higher-order operations [0.0]
量子センシングの主要な課題は、最適なプロトコル、すなわち最も正確なプロトコルを設計することである。
ここでは、プローブの最適初期状態を見つけることを目的として、単発ベイズ設定に焦点を当てる。
我々は高階演算の形式性を利用して、任意の精度で最適なプロトコルに近いプロトコルを見つける方法を開発した。
論文 参考訳（メタデータ） (2023-11-02T18:00:36Z) - Tight Cram\'{e}r-Rao type bounds for multiparameter quantum metrology
through conic programming [61.98670278625053]
最適な精度で不整合パラメータを推定できる実用的な測定戦略が最重要である。
ここでは、最適精度で非相関な測定方法を見つけるための具体的な方法を示す。
従来の計算可能境界と最終的な精度境界との間には厳密なギャップがあることを数値的に示す。
論文 参考訳（メタデータ） (2022-09-12T13:06:48Z) - Experimental multiparameter quantum metrology in adaptive regime [0.0]
プログラマブル集積フォトニック回路における3つの光位相の同時推定を実演する。
結果は、量子センサアプリケーションへの移行に向けて、様々な基本手法をうまく組み合わせられる可能性を示している。
論文 参考訳（メタデータ） (2022-08-30T18:02:51Z) - Certificates of quantum many-body properties assisted by machine
learning [0.0]
本稿では,緩和技術の力と深層強化学習を組み合わせた新しい手法を提案する。
本研究は,多くの移動系の基底状態エネルギーを求める文脈において,本手法の生存可能性について述べる。
我々は、量子情報処理の分野における他の一般的な応用へのアプローチを一般化するためのツールを提供する。
論文 参考訳（メタデータ） (2021-03-05T17:47:26Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z) - Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
適応性は現代最適化理論において重要であるが、研究されていない性質である。
提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
論文 参考訳（メタデータ） (2020-02-13T05:42:27Z)
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。