論文の概要: Parameterizing density operators with arbitrary symmetries to gain
advantage in quantum state estimation
- arxiv url: http://arxiv.org/abs/2208.06540v1
- Date: Sat, 13 Aug 2022 01:24:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-31 06:15:46.883616
- Title: Parameterizing density operators with arbitrary symmetries to gain
advantage in quantum state estimation
- Title(参考訳): 量子状態推定に有利な任意の対称性を持つ密度作用素のパラメータ化
- Authors: In\'es Corte, Marcelo Losada, Diego Tielas, Federico Holik and Lorena
Reb\'on
- Abstract要約: 任意の対称性を持つ密度行列をパラメータ化する方法を示し、リー代数の生成元を知る。
さらに、数値実験を行い、これらのパラメータ化を異なる対称性を持つ状態の量子状態推定に適用する。
- 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: In this work, we show how to parameterize a density matrix that has an
arbitrary symmetry, knowing the generators of the Lie algebra (if the symmetry
group is a connected Lie group) or the generators of its underlying group (in
case it is finite). This allows to pose MaxEnt and MaxLik estimation techniques
as convex optimization problems with a substantial reduction in the number of
parameters of the function involved. This implies that, apart from a
computational advantage due to the fact that the optimization is performed in a
reduced space, the amount of experimental data needed for a good estimation of
the density matrix can be reduced as well. In addition, we run numerical
experiments and apply these parameterizations to quantum state estimation of
states with different symmetries.
- Abstract(参考訳): この研究では、任意の対称性を持つ密度行列をパラメータ化する方法を示し、リー代数の生成元(対称性群が連結リー群であれば)またはその基底群の生成元(有限であれば)を知る。
これにより、maxentおよびmaxlik推定手法を凸最適化問題とし、関連する関数のパラメータ数を大幅に削減することができる。
これは、最適化が縮小された空間で行われるという事実による計算上の優位性とは別に、密度行列を適切に推定するために必要な実験データの量も削減できることを意味している。
さらに、数値実験を行い、これらのパラメータ化を異なる対称性を持つ状態の量子状態推定に適用する。
関連論文リスト
- Data-freeWeight Compress and Denoise for Large Language Models [101.53420111286952]
パラメータ行列を圧縮する手法として,データフリーなジョイントランクk近似を提案する。
キャリブレーションデータなしで、元の性能の93.43%を維持しながら80%のパラメータのモデルプルーニングを実現する。
論文 参考訳(メタデータ) (2024-02-26T05:51:47Z) - Posterior Contraction Rates for Mat\'ern Gaussian Processes on
Riemannian Manifolds [51.68005047958965]
我々は,本質的なガウス過程が実際により優れた性能を発揮することを示す。
我々の研究は、データ効率の異なるレベルを区別するために、よりきめ細かい分析が必要であることを示している。
論文 参考訳(メタデータ) (2023-09-19T20:30:58Z) - Stochastic Marginal Likelihood Gradients using Neural Tangent Kernels [78.6096486885658]
線形化されたラプラス近似に下界を導入する。
これらの境界は漸進的な最適化が可能であり、推定精度と計算複雑性とのトレードオフを可能にする。
論文 参考訳(メタデータ) (2023-06-06T19:02:57Z) - Interacting Particle Langevin Algorithm for Maximum Marginal Likelihood
Estimation [2.53740603524637]
我々は,最大限界推定法を実装するための相互作用粒子系のクラスを開発する。
特に、この拡散の定常測度のパラメータ境界がギブス測度の形式であることを示す。
特定の再スケーリングを用いて、このシステムの幾何学的エルゴディディティを証明し、離散化誤差を限定する。
時間的に一様で、粒子の数で増加しない方法で。
論文 参考訳(メタデータ) (2023-03-23T16:50:08Z) - Characterization of variational quantum algorithms using free fermions [0.0]
我々はこれらの対称性と対象状態の局所性の間の相互作用を数値的に研究する。
解に収束するイテレーションの数は、システムサイズと線形にスケールする。
論文 参考訳(メタデータ) (2022-06-13T18:11:16Z) - Optimal radial basis for density-based atomic representations [58.720142291102135]
データセットの構造的多様性を最も効率的に表現するために選択される適応的で最適な数値ベースを構築する方法について議論します。
トレーニングデータセットごとに、この最適なベースはユニークで、プリミティブベースに関して追加のコストなしで計算することができる。
この構成が精度と計算効率のよい表現をもたらすことを実証する。
論文 参考訳(メタデータ) (2021-05-18T17:57:08Z) - Intrinsic Sensitivity Limits for Multiparameter Quantum Metrology [0.0]
量子クラム・ラオ境界はパラメータ推定の最終的な精度を与える。
情報がユニタリ変換で符号化された場合、自然に重み行列を選択することができることを示す。
これにより、パラメトリゼーションの選択とは無関係な内在的境界が保証される。
論文 参考訳(メタデータ) (2021-05-10T18:00:03Z) - Understanding Implicit Regularization in Over-Parameterized Single Index
Model [55.41685740015095]
我々は高次元単一インデックスモデルのための正規化自由アルゴリズムを設計する。
暗黙正則化現象の理論的保証を提供する。
論文 参考訳(メタデータ) (2020-07-16T13:27:47Z) - High-Dimensional Non-Parametric Density Estimation in Mixed Smooth
Sobolev Spaces [31.663702435594825]
密度推定は、機械学習、統計的推測、可視化において多くのタスクにおいて重要な役割を果たす。
高次元密度推定の主なボトルネックは計算コストの禁止と収束速度の低下である。
適応型双曲交叉密度推定器(Adaptive hyperbolic cross density estimator)と呼ばれる高次元非パラメトリック密度推定のための新しい推定器を提案する。
論文 参考訳(メタデータ) (2020-06-05T21:27:59Z) - Asymptotic Analysis of an Ensemble of Randomly Projected Linear
Discriminants [94.46276668068327]
[1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。
我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。
また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
論文 参考訳(メタデータ) (2020-04-17T12:47:04Z) - Nonconvex Matrix Completion with Linearly Parameterized Factors [10.163102766021373]
パラメトリック因子化は、部分空間や完了シミュレーションを含む重要な例を示す。
また, 統一的非制約行列最適化法の有効性について述べる。
論文 参考訳(メタデータ) (2020-03-29T22:40:47Z)
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。