論文の概要: Constraints on Gaussian Error Channels and Measurements for Quantum
Communication
- arxiv url: http://arxiv.org/abs/2206.11842v1
- Date: Thu, 23 Jun 2022 17:18:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-08 06:53:57.698569
- Title: Constraints on Gaussian Error Channels and Measurements for Quantum
Communication
- Title（参考訳）: ガウス誤差チャネルの制約と量子通信のための測定
- Authors: Alex Kwiatkowski, Ezad Shojaee, Sristy Agrawal, Akira Kyle, Curtis
Rau, Scott Glancy, Emanuel Knill
- Abstract要約: 独立な単一モードのガウス誤差チャネルの後に発生する2つのモード$mathsfA$と$mathsfB$の合同ガウス測定について検討する。
任意のガウス測度に対して、$l_mathsfA + l_mathsfB + n_mathsfA + n_mathsfB geq 1$ならば、有効総測度は分離可能であり、任意の入力状態のテレポーテーションやエンタングルメントスワッピングには適さない。
- 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: Joint Gaussian measurements of two quantum systems can be used for quantum
communication between remote parties, as in teleportation or entanglement
swapping protocols. Many types of physical error sources throughout a protocol
can be modeled by independent Gaussian error channels acting prior to
measurement. In this work we study joint Gaussian measurements on two modes
$\mathsf{A}$ and $\mathsf{B}$ that take place after independent single-mode
Gaussian error channels, for example loss with parameters $l_\mathsf{A}$ and
$l_\mathsf{B}$ followed by added noise with parameters $n_\mathsf{A}$ and
$n_\mathsf{B}$. We show that, for any Gaussian measurement, if $l_\mathsf{A} +
l_\mathsf{B} + n_\mathsf{A} + n_\mathsf{B} \geq 1$ then the effective total
measurement is separable and unsuitable for teleportation or entanglement
swapping of arbitrary input states. If this inequality is not satisfied then
there exists a Gaussian measurement that remains inseparable. We extend the
results and determine the set of pairs of single-mode Gaussian error channels
that render all Gaussian measurements separable.
- Abstract（参考訳）: 2つの量子系の合同ガウス測度は、遠隔者間の量子通信、例えばテレポーテーションや絡み合い交換プロトコルにおいて用いられる。
プロトコル全体にわたる多くの物理誤差源は、測定に先立つ独立したガウス誤差チャネルによってモデル化することができる。
この研究では、独立な単一モードのガウス的エラーチャネル(例えば、パラメータを持つ損失 $l_\mathsf{A}$ と $l_\mathsf{B}$ と、パラメータを持つ付加ノイズ $n_\mathsf{A}$ と $n_\mathsf{B}$ の後に発生する2つのモード上の合同ガウス的測定について検討する。
任意のガウス測度に対して、$l_\mathsf{A} + l_\mathsf{B} + n_\mathsf{A} + n_\mathsf{B} \geq 1$ ならば、有効総測度は分離可能であり、任意の入力状態のテレポーテーションやエンタングルメントスワッピングには適さない。
この不等式が満たされない場合、分離不能なガウス測度が存在する。
結果を拡張し,すべてのガウス計測を分離可能な単一モードガウス誤差チャネルの組を決定する。
関連論文リスト
- Gaussian unsteerable channels and computable quantifications of Gaussian steering [2.3000719681099735]
連続変数系のガウスステアリングに対する現在の量子資源理論は欠陥があり不完全である。
本稿では,ガウス的非ステアブルチャネルのクラスと最大ガウス的非ステアブルチャネルのクラスを紹介する。
また、$mathcalJ_jj$ of $(m+n)$-mode Gaussian steering from $A$ to $B$ も提案する。
論文 参考訳（メタデータ） (2024-09-02T00:32:02Z) - A Unified Framework for Uniform Signal Recovery in Nonlinear Generative
Compressed Sensing [68.80803866919123]
非線形測定では、ほとんどの先行結果は一様ではない、すなわち、すべての$mathbfx*$に対してではなく、固定された$mathbfx*$に対して高い確率で保持される。
本フレームワークはGCSに1ビット/一様量子化観測と単一インデックスモデルを標準例として適用する。
また、指標集合が計量エントロピーが低い製品プロセスに対して、より厳密な境界を生み出す濃度不等式も開発する。
論文 参考訳（メタデータ） (2023-09-25T17:54:19Z) - Near-Optimal Bounds for Learning Gaussian Halfspaces with Random
Classification Noise [50.64137465792738]
この問題に対する効率的なSQアルゴリズムは、少なくとも$Omega(d1/2/(maxp, epsilon)2)$. のサンプル複雑性を必要とする。
我々の下限は、この1/epsilon$に対する二次的依存は、効率的なアルゴリズムに固有のものであることを示唆している。
論文 参考訳（メタデータ） (2023-07-13T18:59:28Z) - Quantum Event Learning and Gentle Random Measurements [0.0]
我々は、ランダムに順序付けられた射影測定の列によって量子系に生じる期待された乱が、少なくとも1つの測定が受け入れる確率の平方根によって上界されていることを証明した。
また、未知の状態の$rho$へのサンプルアクセスが与えられ、受理確率の特性を推定する問題についても検討する。
論文 参考訳（メタデータ） (2022-10-17T15:00:58Z) - Small Transformers Compute Universal Metric Embeddings [25.004650816730543]
小型ニューラルネットワークで実装された特徴マップの埋め込み保証を導出する。
深さの変換器が$nlog(n)$、幅の変換器が$n2$であれば、$mathcalX$から$n$ポイントのデータセットを埋め込むことができる。
論文 参考訳（メタデータ） (2022-09-14T17:12:41Z) - A Law of Robustness beyond Isoperimetry [84.33752026418045]
我々は、任意の分布上でニューラルネットワークパラメータを補間する頑健性の低い$Omega(sqrtn/p)$を証明した。
次に、$n=mathrmpoly(d)$のとき、スムーズなデータに対する過度なパラメータ化の利点を示す。
我々は、$n=exp(omega(d))$ のとき、$O(1)$-Lipschitz の頑健な補間関数の存在を否定する。
論文 参考訳（メタデータ） (2022-02-23T16:10:23Z) - On the Role of Channel Capacity in Learning Gaussian Mixture Models [31.841289319809814]
平衡ガウス混合モデル(GMM)の未知中心を学習する際のサンプル複雑性について検討する。
本研究の主な成果は,GMM学習問題である,大規模システム制限$d,ktoinfty$の正確なノイズ閾値$sigma2$をラベル付き観測から学習するのと同じくらい容易である,という特徴付けである。
この結果は、中心が球面上に均一に分布しているGMMに対してのみ証明されるが、対応するGMMを学習する統計的困難度を決定するためのチャネル符号として、中心星座に付随する復号誤り確率が示唆される。
論文 参考訳（メタデータ） (2022-02-15T20:15:00Z) - Multimeasurement Generative Models [7.502947376736449]
我々は、密度$p_X$ in $mathbbRd$を未知分布からサンプリングする問題を学習とサンプリングの問題を$p_mathbfY$ in $mathbbRMd$とする。
論文 参考訳（メタデータ） (2021-12-18T02:11:36Z) - Hardness of Learning Halfspaces with Massart Noise [56.98280399449707]
我々は、マッサート(有界)ノイズの存在下でPAC学習のハーフスペースの複雑さを研究します。
情報理論上最適なエラーとSQアルゴリズムで達成できる最高のエラーとの間に指数関数的なギャップがあることを示した。
論文 参考訳（メタデータ） (2020-12-17T16:43:11Z) - Robustly Learning any Clusterable Mixture of Gaussians [55.41573600814391]
本研究では,高次元ガウス混合系の対向ロバスト条件下での効率的な学習性について検討する。
理論的に最適に近い誤り証明である$tildeO(epsilon)$の情報を、$epsilon$-corrupted $k$-mixtureで学習するアルゴリズムを提供する。
我々の主な技術的貢献は、ガウス混合系からの新しい頑健な識別可能性証明クラスターであり、これは正方形の定度証明システムによって捉えることができる。
論文 参考訳（メタデータ） (2020-05-13T16:44:12Z) - Quantum Algorithms for Simulating the Lattice Schwinger Model [63.18141027763459]
NISQとフォールトトレラントの両方の設定で格子シュウィンガーモデルをシミュレートするために、スケーラブルで明示的なデジタル量子アルゴリズムを提供する。
格子単位において、結合定数$x-1/2$と電場カットオフ$x-1/2Lambda$を持つ$N/2$物理サイト上のシュウィンガーモデルを求める。
NISQと耐故障性の両方でコストがかかるオブザーバブルを、単純なオブザーバブルとして推定し、平均ペア密度を推定する。
論文 参考訳（メタデータ） (2020-02-25T19:18:36Z)
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。