論文の概要: Sequential Analysis of a finite number of Coherent states
- arxiv url: http://arxiv.org/abs/2206.04604v4
- Date: Tue, 13 Dec 2022 01:15:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-10 01:24:17.609581
- Title: Sequential Analysis of a finite number of Coherent states
- Title（参考訳）: 有限個のコヒーレント状態の逐次解析
- Authors: Esteban Mart\'inez-Vargas
- Abstract要約: 我々は,コヒーレントな状態の一定数のコピーでグローバルな量子処理を行うよりも,一組の状態を順序付けする情報処理の利点について検討する。
対称の場合、|gammarangle,|-gammarangle$ は任意のバッチサイズを $l$ にする利点はない。
- 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 investigate an advantage for information processing of ordering a set of
states over making a global quantum processing with a fixed number of copies of
coherent states. Suppose Alice has $N$ copies of one of two quantum states
$\sigma_0$ or $\sigma_1$ and she gives these states to Bob. Using the optimal
sequential test, the SPRT, we ask if processing the states in batches of size
$l$ is advantageous to optimally distinguish the two hypotheses. We find that
for the symmetric case $\{|\gamma\rangle,|-\gamma\rangle\}$ there is no
advantage of taking any batch size $l$. We give an expression for the optimal
batch size $l_\text{opt}$ in the assymetric case. We give bounds $l_\text{min}$
and $l_\text{max}$ for when $P_S\approx 1$.
- Abstract（参考訳）: 我々は,コヒーレント状態の一定数のコピーで大域量子処理を行うよりも,一組の状態を順序付けする情報処理の利点を検討する。
アリスが2つの量子状態のうちの1つのうちの1つをn$または$\sigma_1$と仮定し、ボブにこれらの状態を与える。
最適な逐次テストであるSPRTを用いて、$l$のバッチで状態を処理すれば、2つの仮説を最適に区別できるかどうかを問う。
対称の場合 $\{|\gamma\rangle,|-\gamma\rangle\}$ に対して、任意のバッチサイズを $l$ とする利点はない。
Assymetricの場合、最適なバッチサイズを$l_\text{opt}$に表現します。
上限 $l_\text{min}$ と $l_\text{max}$ を与えると、$p_s\approx 1$ になります。
関連論文リスト
- Sample-Optimal Quantum Estimators for Pure-State Trace Distance and Fidelity via Samplizer [7.319050391449301]
量子状態の近接性の基本的な尺度として、トレース距離と不完全性は、一般に量子状態の識別、認証、トモグラフィーに使用される。
本稿では, 純状態間のトレース距離と平方根の忠実度を, 同一コピーへのサンプルアクセスを条件として, 加算誤差$varepsilon$で推定する量子アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-10-28T16:48:21Z) - Measuring quantum relative entropy with finite-size effect [53.64687146666141]
相対エントロピー$D(rho|sigma)$を$sigma$が知られているときに推定する。
我々の推定器は次元$d$が固定されたときにCram'er-Rao型境界に達する。
論文 参考訳（メタデータ） (2024-06-25T06:07:20Z) - Pseudorandom and Pseudoentangled States from Subset States [49.74460522523316]
計算基底の部分集合である$S$に対する部分集合状態は [ frac1sqrt|S|sum_iin S |irangle である。
固定された部分集合サイズ $|S|=s$ に対して、$s = 2n/omega(mathrmpoly(n))$ と $s=omega(mathrmpoly(n))$ が与えられたとき、ランダムな部分集合状態は情報理論上はHaarランダム状態と区別できないことを示す。
論文 参考訳（メタデータ） (2023-12-23T15:52:46Z) - Tight Bounds for Quantum Phase Estimation and Related Problems [0.90238471756546]
精度$delta$と誤差確率$epsilon$は$Omegaleft(frac1deltalog1epsilonright)$であることを示す。
また、多くのアドバイス(アドバイス準備ユニタリの応用)を持つことは、コストを大幅に削減することはなく、また、$U$の固有値に関する知識も少なくないことも示している。
論文 参考訳（メタデータ） (2023-05-08T17:46:01Z) - Low-Stabilizer-Complexity Quantum States Are Not Pseudorandom [1.0323063834827415]
安定度が低い」量子状態は、Haar-randomと効率的に区別できることを示す。
我々は、計算的に擬似ランダムな量子状態を作成するためには、任意のクリフォード+$T$回路に対して$omega(log(n))$$T$-gatesが必要であることを証明した。
論文 参考訳（メタデータ） (2022-09-29T03:34:03Z) - Testing matrix product states [5.225550006603552]
未知の状態$|psirangle$が特性試験モデルにおける行列積状態(MPS)かどうかをテストする。
MPS(英: MPS)は、量子多体系の研究で生じる物理関連量子状態のクラスである。
論文 参考訳（メタデータ） (2022-01-05T21:10:50Z) - Improved Sample Complexity for Incremental Autonomous Exploration in
MDPs [132.88757893161699]
我々は $epsilon$-optimal 目標条件付きポリシーのセットを学び、$ L$ ステップ内で段階的に到達可能なすべての状態を達成します。
DisCoは、コストに敏感な最短経路問題に対して$epsilon/c_min$-optimalポリシーを返すことができる最初のアルゴリズムです。
論文 参考訳（メタデータ） (2020-12-29T14:06:09Z) - Improved quantum data analysis [1.8416014644193066]
我々は、$O(log2 m)/epsilon2)$$$d$次元状態のサンプルのみを必要とする量子"Threshold Search"アルゴリズムを提供する。
また, $tildeO((log3 m)/epsilon2)$サンプルを用いた仮説選択法も提案する。
論文 参考訳（メタデータ） (2020-11-22T01:22:37Z) - An Optimal Separation of Randomized and Quantum Query Complexity [67.19751155411075]
すべての決定木に対して、与えられた順序 $ellsqrtbinomdell (1+log n)ell-1,$ sum to at least $cellsqrtbinomdell (1+log n)ell-1,$ where $n$ is the number of variables, $d$ is the tree depth, $c>0$ is a absolute constant。
論文 参考訳（メタデータ） (2020-08-24T06:50:57Z) - Locally Private Hypothesis Selection [96.06118559817057]
我々は、$mathcalQ$から$p$までの総変動距離が最良の分布に匹敵する分布を出力する。
局所的な差分プライバシーの制約は、コストの急激な増加を引き起こすことを示す。
提案アルゴリズムは,従来手法のラウンド複雑性を指数関数的に改善する。
論文 参考訳（メタデータ） (2020-02-21T18:30:48Z) - Quantum Coupon Collector [62.58209964224025]
我々は、$k$-要素集合$Ssubseteq[n]$が、その要素の一様重ね合わせ$|Srangleからいかに効率的に学習できるかを研究する。
我々は、$k$と$n$ごとに必要となる量子サンプルの数に厳密な制限を与え、効率的な量子学習アルゴリズムを与える。
論文 参考訳（メタデータ） (2020-02-18T16:14:55Z)
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。