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
- 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$)。
これらの特徴の全てを考慮に入れた修正された準粒子像を提案し、本研究の本質的に正確な数値結果と定量的に一致した。
論文 参考訳(メタデータ) (2024-03-06T20:07:25Z) - Fundamental limits of metrology at thermal equilibrium [0.0]
熱平衡における量子プローブによる未知パラメータ$theta$の推定について検討する。
我々は、任意の$HC$で得られる最大量子フィッシャー情報を見つけ、測定精度に基礎的拘束力を与える。
論文 参考訳(メタデータ) (2024-02-09T18:01:45Z) - Measurement-induced phase transition for free fermions above one
dimension [50.444903773362995]
自由フェルミオンモデルに対する$d>1$次元における測定誘起エンタングルメント相転移の理論を開発した。
臨界点は、粒子数と絡み合いエントロピーの第2累積のスケーリング$$elld-1 ln ell$でギャップのない位相を分離する。
論文 参考訳(メタデータ) (2023-09-21T18:11:04Z) - Bayesian quantum phase estimation with fixed photon states [4.928739385940871]
有限フォック展開と固定平均光子数を持つ2モードボソニック状態 $|Psi_nrangle$ の一般形式を考える。
最適入力状態の形式、すなわち状態のフォック係数の形式について検討する。
論文 参考訳(メタデータ) (2023-08-02T17:26:10Z) - Quantum tomography using state-preparation unitaries [0.22940141855172028]
ユニタリへのアクセスが与えられると、$d$次元の量子状態の古典的記述を近似的に得るアルゴリズムを記述する。
状態の$varepsilon$-$ell$-approximationを得るには、$widetildeTheta(d/varepsilon)$ Unitaryのアプリケーションが必要です。
我々は、ランク=r$混合状態のシュターテン$q$最適推定値を得るための効率的なアルゴリズムを与える。
論文 参考訳(メタデータ) (2022-07-18T17:56:18Z) - Localization in 1D non-parametric latent space models from pairwise
affinities [6.982738885923206]
対の親和性から一次元トーラスにおける潜伏位置を推定する問題を考察する。
高確率でsqrtlog(n)/n$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。
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。