Fugu-MT 論文翻訳(概要): Optimizing the information extracted by a single qubit measurement

論文の概要: Optimizing the information extracted by a single qubit measurement

arxiv url: http://arxiv.org/abs/2207.09479v1
Date: Tue, 19 Jul 2022 18:00:08 GMT
ステータス: 処理完了
システム内更新日: 2023-02-04 12:52:16.327062
Title: Optimizing the information extracted by a single qubit measurement
Title（参考訳）: 単一量子ビット計測による情報抽出の最適化
Authors: Stefano Polla, Gian-Luca R. Anselmetti, Thomas E. O'Brien
Abstract要約: 量子状態の準備毎に1ビットの情報のみを抽出する量子計算を考える。これは、システムの残りの部分がエラーを検出するために測定されるエラー軽減スキームに関係している。
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 consider a quantum computation that only extracts one bit of information per quantum state preparation. This is relevant for error mitigation schemes where the remainder of the system is measured to detect errors. We optimize the estimation of the expectation value of an operator by its linear decomposition into bitwise-measurable terms. We prove that optimal decompositions must be in terms of reflections with eigenvalues $\pm1$. We find the optimal reflection decomposition of a fast-forwardable operator, and show a numerical improvement over a simple Pauli decomposition by a factor $N^{0.7}$.
Abstract（参考訳）: 量子状態の準備毎に1ビットの情報のみを抽出する量子計算を考える。これは、システムの残りの部分がエラーを検出するために測定されるエラー軽減スキームに関係している。線形分解による演算子の期待値の推定をビットワイズ測定可能な項に最適化する。最適分解は固有値 $\pm1$ を持つ反射の項でなければならないことが証明される。高速フォワード可能な作用素の最適反射分解を発見し、簡単なパウリ分解を$N^{0.7}$で数値的に改善することを示す。

関連論文リスト

$\ell_0$ factor analysis [25.14792952830999]
低ランク成分に対する核ノルムを用いた最適化問題を定式化する。最適化問題の解法として、交互最小化アルゴリズムを設計する。アルゴリズムの有効性は、合成データセットと実データセットのシミュレーションによって検証される。
論文参考訳（メタデータ） (2024-11-13T09:40:23Z)
A Sample Efficient Alternating Minimization-based Algorithm For Robust Phase Retrieval [56.67706781191521]
そこで本研究では,未知の信号の復元を課題とする,ロバストな位相探索問題を提案する。提案するオラクルは、単純な勾配ステップと外れ値を用いて、計算学的スペクトル降下を回避している。
論文参考訳（メタデータ） (2024-09-07T06:37:23Z)
Quasi-parametric rates for Sparse Multivariate Functional Principal Components Analysis [0.0]
最適化問題の解として固有値が表現可能であることを示す。固有要素の平均2乗再構成誤差に基づいてミニマックス下限を定め、この手順がミニマックス感覚に最適な分散を有することを証明した。
論文参考訳（メタデータ） (2022-12-19T13:17:57Z)
Nearly Minimax Optimal Reinforcement Learning for Linear Markov Decision Processes [80.89852729380425]
そこで本研究では,最小限の最小残差である$tilde O(dsqrtH3K)$を計算効率よく実現したアルゴリズムを提案する。我々の研究は線形 MDP を用いた最適 RL に対する完全な答えを提供する。
論文参考訳（メタデータ） (2022-12-12T18:58:59Z)
A Near-Optimal Algorithm for Univariate Zeroth-Order Budget Convex Optimization [4.608510640547952]
我々は、Dy Searchのほぼ最適最適化誤差を保証する。誤差境界における大域リプシッツ定数への古典的依存は、予算の粒度のアーティファクトであることを示す。
論文参考訳（メタデータ） (2022-08-13T19:57:04Z)
Quantum Goemans-Williamson Algorithm with the Hadamard Test and Approximate Amplitude Constraints [62.72309460291971]
本稿では,n+1$ qubitsしか使用しないGoemans-Williamsonアルゴリズムの変分量子アルゴリズムを提案する。補助量子ビット上で適切にパラメータ化されたユニタリ条件として目的行列を符号化することにより、効率的な最適化を実現する。各種NPハード問題に対して,Goemans-Williamsonアルゴリズムの量子的効率的な実装を考案し,提案プロトコルの有効性を実証する。
論文参考訳（メタデータ） (2022-06-30T03:15:23Z)
Faster Algorithms and Constant Lower Bounds for the Worst-Case Expected Error [0.3997680012976965]
目標は、最悪の予測エラーを最小限に抑える推定器を設計することである。 Chen, Valiant および Valiant は、データ値が $ell_infty$-normalized の場合、平均の推定値を計算する時間アルゴリズムが存在することを示した。本稿では,オンライン凸最適化に基づく最適半線形推定器の近似アルゴリズムを設計する。
論文参考訳（メタデータ） (2021-12-27T18:47:25Z)
Nearly Optimal Quantum Algorithm for Estimating Multiple Expectation Values [0.17126708168238122]
Gily'enらによる量子勾配推定アルゴリズムを利用して$mathcalO(sqrtM/varepsilon)$を対数因子にスケールアップする手法について述べる。ブラックボックスとして処理された場合,このスケーリングが高精度なシステムでは最悪のケースであることが証明された。
論文参考訳（メタデータ） (2021-11-17T18:34:17Z)
Optimal policy evaluation using kernel-based temporal difference methods [78.83926562536791]
カーネルヒルベルト空間を用いて、無限水平割引マルコフ報酬過程の値関数を推定する。我々は、関連するカーネル演算子の固有値に明示的に依存した誤差の非漸近上界を導出する。 MRP のサブクラスに対する minimax の下位境界を証明する。
論文参考訳（メタデータ） (2021-09-24T14:48:20Z)
Sparse PCA via $l_{2,p}$-Norm Regularization for Unsupervised Feature Selection [138.97647716793333]
再構成誤差を$l_2,p$ノルム正規化と組み合わせることで,単純かつ効率的な特徴選択手法を提案する。提案する非教師付きモデルを解くための効率的な最適化アルゴリズムを提案し,アルゴリズムの収束と計算の複雑さを理論的に解析する。
論文参考訳（メタデータ） (2020-12-29T04:08:38Z)
Bayesian Bits: Unifying Quantization and Pruning [73.27732135853243]
我々は、勾配に基づく最適化による混合精度量子化とプルーニングの実用的な方法であるBayesian Bitsを紹介する。提案手法をいくつかのベンチマーク・データセット上で実験的に検証し,プレナード付き混合精度ネットワークを学習可能であることを示す。
論文参考訳（メタデータ） (2020-05-14T16:00:34Z)

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。