Fugu-MT 論文翻訳(概要): Phase estimation with limited coherence

論文の概要: Phase estimation with limited coherence

arxiv url: http://arxiv.org/abs/2207.05656v1
Date: Tue, 12 Jul 2022 16:36:59 GMT
ステータス: 処理完了
システム内更新日: 2023-02-05 09:28:25.098013
Title: Phase estimation with limited coherence
Title（参考訳）: 限定コヒーレンスによる位相推定
Authors: D. Munoz-Lahoz, J. Calsamiglia, J. A. Bergou, and E. Bagan
Abstract要約: 純粋な状態に対して、最小推定分散が達成可能な$V(C)$と最適状態を与える。分散はハイゼンベルク的なスケーリングである$V(C) sim a_n/C2$を示し、$a_n$ は $pi2/3$ に減少し、$n$ が増加し、次元に依存しない関係となる。
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: We investigate the ultimate precision limits for quantum phase estimation in terms of the coherence, $C$, of the probe. For pure states, we give the minimum estimation variance attainable, $V(C)$, and the optimal state, in the asymptotic limit when the probe system size, $n$, is large. We prove that pure states are optimal only if $C$ scales as $n$ with a sufficiently large proportionality factor, and that the rank of the optimal state increases with decreasing $C$, eventually becoming full-rank. We show that the variance exhibits a Heisenberg-like scaling, $V(C) \sim a_n/C^2$, where $a_n$ decreases to $\pi^2/3$ as $n$ increases, leading to a dimension-independent relation.
Abstract（参考訳）: プローブのコヒーレンスである$C$を用いて、量子位相推定の最終的な精度限界について検討する。純粋な状態に対して、最小推定分散が達成可能な$V(C)$と最適状態を与え、プローブ系のサイズが$n$である場合、漸近的極限において最適状態を与える。純粋な状態が最適であることを証明するのは、$C$が十分に大きな比例係数を持つ$n$としてスケールした場合のみであり、最適状態のランクが$C$を下げると、最終的にはフルランクになる。分散はハイゼンベルク的なスケーリングである$V(C) \sim a_n/C^2$を示し、そこでは$a_n$は$\pi^2/3$に減少し、$n$は増加し、次元に依存しない関係となる。

関連論文リスト

Active Subsampling for Measurement-Constrained M-Estimation of Individualized Thresholds with High-Dimensional Data [3.1138411427556445]
測定制約のある問題では、大きなデータセットが利用可能であるにもかかわらず、大きなデータセットのごく一部でラベルを観測するのに手頃な価格にしかならない。このことは、どのデータポイントが予算制約のあるラベルに最も有益であるかという重要な疑問を引き起こします。本稿では,測定制約付きM推定フレームワークにおける最適個別化しきい値の推定に焦点をあてる。
論文参考訳（メタデータ） (2024-11-21T00:21:17Z)
Optimal convergence rates in trace distance and relative entropy for the quantum central limit theorem [2.7855886538423182]
有限第三次モーメントを持つ中心の$m$モード量子状態に対して、$rhoboxplus n$ と $rho_G$ のトレース距離が $mathcalO(n-1/2)$ の最適速度で崩壊することを示す。有限四階モーメントを持つ状態に対しては、$rhoboxplus n$と$rho_G$の間の相対エントロピーが$mathcalO(n-1)$の最適速度で崩壊することを示す。
論文参考訳（メタデータ） (2024-10-29T12:35:47Z)
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)
Further Understanding of a Local Gaussian Process Approximation: Characterising Convergence in the Finite Regime [1.3518297878940662]
非常に正確かつ大規模に拡張可能なGPnn回帰モデルに対するカーネル関数の一般的な選択は、データセットサイズ$n$の増加に伴って徐々に振る舞いに収束することを示す。同様の境界はモデルの不特定の下で見出され、MSEと重要な校正計量の総合的な収束率を与えるために組み合わせられる。
論文参考訳（メタデータ） (2024-04-09T10:47:01Z)
Diffusive entanglement growth in a monitored harmonic chain [0.0]
初期ガウス状態の大規模なクラスに対して、絡み合いは微分的に成長する(S sim t1/2$)。これらの特徴の全てを考慮に入れた修正された準粒子像を提案し、本研究の本質的に正確な数値結果と定量的に一致した。
論文参考訳（メタデータ） (2024-03-06T20:07:25Z)
Localization in 1D non-parametric latent space models from pairwise affinities [6.982738885923206]
対の親和性から一次元トーラスにおける潜伏位置を推定する問題を考察する。高確率でsqrtlog(n)/n$の順序の最大誤差で全ての潜伏位置を確実にローカライズする推定手順を導入する。
論文参考訳（メタデータ） (2021-08-06T13:05:30Z)
Stochastic Shortest Path: Minimax, Parameter-Free and Towards Horizon-Free Regret [144.6358229217845]
エージェントが目標状態に到達する前に蓄積される期待コストを最小限に抑えるために,最短経路(ssp)設定で学習する問題について検討する。我々は,経験的遷移を慎重に歪曲し,探索ボーナスで経験的コストを摂動する新しいモデルベースアルゴリズムEB-SSPを設計する。私達はEB-SSPが$widetildeO(B_star sqrtS A K)$のミニマックスの後悔率を達成することを証明します。
論文参考訳（メタデータ） (2021-04-22T17:20:48Z)
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)
Finding Global Minima via Kernel Approximations [90.42048080064849]
関数評価のみに基づく滑らかな関数のグローバル最小化を考える。本稿では,近似関数を共同でモデル化し,大域的最小値を求める手法を検討する。
論文参考訳（メタデータ） (2020-12-22T12:59:30Z)
Sample Complexity of Asynchronous Q-Learning: Sharper Analysis and Variance Reduction [63.41789556777387]
非同期Q-ラーニングはマルコフ決定過程(MDP)の最適行動値関数(またはQ-関数)を学習することを目的としている。 Q-関数の入出力$varepsilon$-正確な推定に必要なサンプルの数は、少なくとも$frac1mu_min (1-gamma)5varepsilon2+ fract_mixmu_min (1-gamma)$の順である。
論文参考訳（メタデータ） (2020-06-04T17:51:00Z)
A Simple Convergence Proof of Adam and Adagrad [74.24716715922759]
我々はAdam Adagradと$O(d(N)/st)$アルゴリズムの収束の証明を示す。 Adamはデフォルトパラメータで使用する場合と同じ収束$O(d(N)/st)$で収束する。
論文参考訳（メタデータ） (2020-03-05T01:56:17Z)

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。