論文の概要: Rate Reduction of Blind Quantum Data Compression with Local
Approximations Based on Unstable Structure of Quantum States
- arxiv url: http://arxiv.org/abs/2206.03501v2
- Date: Mon, 28 Nov 2022 20:50:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-10 06:36:14.365304
- Title: Rate Reduction of Blind Quantum Data Compression with Local
Approximations Based on Unstable Structure of Quantum States
- Title（参考訳）: 量子状態の不安定構造に基づく局所近似によるブラインド量子データ圧縮のレート低減
- Authors: Kohdai Kuroiwa and Debbie Leung
- Abstract要約: 本稿では,有限局所近似を用いたデータ圧縮タスク,ブラインド量子データ圧縮のための新しいプロトコルを提案する。
ブラインドデータ圧縮の速度は、近似が小さくても近似に影響を受けやすい。
- 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: In this paper, we propose a new protocol for a data compression task, blind
quantum data compression, with finite local approximations. The rate of blind
data compression is susceptible to approximations even when the approximations
are diminutive. This instability originates from the sensitivity of a structure
of quantum states against approximations, which makes the analysis of blind
compression in the presence of approximations intractable. In this paper, we
constructed a protocol that takes advantage of the instability to reduce the
compression rate substantially. Our protocol shows a significant reduction in
rate for specific examples we examined. Moreover, we apply our methods to
diagonal states, and propose two types of approximation methods in this special
case. We perform numerical experiments and observe that one of these two
approximation methods performs significantly better than the other. Thus, our
analysis makes a first step toward general investigation of blind quantum data
compression with the allowance of approximations towards further investigation
of approximation-rate trade-off of blind quantum data compression.
- Abstract（参考訳）: 本稿では,有限局所近似を用いたデータ圧縮タスクであるブラインド量子データ圧縮のための新しいプロトコルを提案する。
ブラインドデータ圧縮の速度は、近似が小さくても近似に影響を受けやすい。
この不安定性は近似に対する量子状態の構造の感度に由来するため、近似の存在下でのブラインド圧縮の解析は難解である。
本稿では, 圧縮速度を実質的に低減するために, 不安定性を利用したプロトコルを構築した。
本プロトコルは, 具体例において, 顕著な削減率を示す。
さらに,本手法を対角状態に適用し,この特別な場合において2種類の近似法を提案する。
数値実験を行い、これらの2つの近似法のうちの1つが他方よりもかなり優れていることを観察する。
そこで本研究では,ブラインド量子データ圧縮の近似速度トレードオフのさらなる検討に向けて,近似値を用いたブラインド量子データ圧縮の一般研究に向けて第一歩を踏み出した。
関連論文リスト
- Flattened one-bit stochastic gradient descent: compressed distributed optimization with controlled variance [55.01966743652196]
パラメータ・サーバ・フレームワークにおける圧縮勾配通信を用いた分散勾配降下(SGD)のための新しいアルゴリズムを提案する。
平坦な1ビット勾配勾配勾配法(FO-SGD)は2つの単純なアルゴリズムの考え方に依存している。
論文 参考訳（メタデータ） (2024-05-17T21:17:27Z) - Dimension reduction in quantum sampling of stochastic processes [0.6562256987706128]
本稿では、このメモリを圧縮できる損失量子還元法を提案する。
本手法はマルコフ過程および強非マルコフ過程の低歪み圧縮に極めて有効であることを示す。
論文 参考訳（メタデータ） (2024-04-16T07:22:05Z) - Theory of Compression Channels for Postselected Quantum Metrology [3.4840877804354236]
我々はポストセレクト量子力学における圧縮チャネルに関する一般的な理論を提唱した。
両部システムの2つのカテゴリにおいて、圧縮チャネルが1つのサブシステムにのみ作用する場合でも、圧縮損失を任意に小さくすることができることを示す。
論文 参考訳（メタデータ） (2023-11-11T22:40:19Z) - Quantizing Heavy-tailed Data in Statistical Estimation: (Near) Minimax
Rates, Covariate Quantization, and Uniform Recovery [22.267482745621997]
本稿では,いくつかの統計的推定問題における重み付きデータの定量化について検討する。
我々は、均一な量子化の前にデータを切断し、適切に拡張することを提案する。
論文 参考訳（メタデータ） (2022-12-30T06:28:30Z) - Suppressing Amplitude Damping in Trapped Ions: Discrete Weak
Measurements for a Non-unitary Probabilistic Noise Filter [62.997667081978825]
この劣化を逆転させるために、低オーバーヘッドプロトコルを導入します。
振幅減衰雑音に対する非単位確率フィルタの実装のための2つのトラップイオンスキームを提案する。
このフィルタは、単一コピー準蒸留のためのプロトコルとして理解することができる。
論文 参考訳（メタデータ） (2022-09-06T18:18:41Z) - Lower Bounds and Nearly Optimal Algorithms in Distributed Learning with
Communication Compression [33.217552987061474]
通信圧縮は、通信を減らす最も効果的な方法の1つである。
分散最適化と学習の最近の進歩は、通信圧縮が通信を減らす最も効果的な方法の1つであることを示している。
論文 参考訳（メタデータ） (2022-06-08T03:36:34Z) - Data post-processing for the one-way heterodyne protocol under
composable finite-size security [62.997667081978825]
本研究では,実用的連続可変(CV)量子鍵分布プロトコルの性能について検討する。
ヘテロダイン検出を用いたガウス変調コヒーレント状態プロトコルを高信号対雑音比で検討する。
これにより、プロトコルの実践的な実装の性能を調べ、上記のステップに関連付けられたパラメータを最適化することができる。
論文 参考訳（メタデータ） (2022-05-20T12:37:09Z) - Neural network quantum state tomography in a two-qubit experiment [52.77024349608834]
機械学習にインスパイアされた変分法は、量子シミュレータのスケーラブルな状態キャラクタリゼーションへの有望な経路を提供する。
本研究では,2ビットの絡み合った状態を生成する実験から得られた測定データに適用することにより,いくつかの手法をベンチマークし比較する。
実験的な不完全性やノイズの存在下では、変動多様体を物理状態に収束させることで、再構成された状態の質が大幅に向上することがわかった。
論文 参考訳（メタデータ） (2020-07-31T17:25:12Z) - Linear Convergent Decentralized Optimization with Compression [50.44269451541387]
圧縮を伴う既存の分散アルゴリズムは主にDGD型アルゴリズムの圧縮に焦点を当てている。
原始双対アルゴリズムによって動機付けられた本論文は、最初のアンダーラインLinunderlineEAr収束を提案する。
underline Decentralized with compression, LEAD。
論文 参考訳（メタデータ） (2020-07-01T04:35:00Z) - Compressing Large Sample Data for Discriminant Analysis [78.12073412066698]
判別分析フレームワーク内での大きなサンプルサイズに起因する計算問題を考察する。
線形および二次判別分析のためのトレーニングサンプル数を削減するための新しい圧縮手法を提案する。
論文 参考訳（メタデータ） (2020-05-08T05:09:08Z)
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。