論文の概要: Classical shadows of fermions with particle number symmetry
- arxiv url: http://arxiv.org/abs/2208.08964v1
- Date: Thu, 18 Aug 2022 17:11:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-30 17:54:52.720400
- Title: Classical shadows of fermions with particle number symmetry
- Title(参考訳): 粒子数対称性を持つフェルミオンの古典的影
- Authors: Guang Hao Low
- Abstract要約: 我々は、全ての$k$還元密度行列が、少なくとも$$binometakbigを用いて、平均の$epsilon2$と同時に推定されることを証明した。
これは、$binomnksqrtpi k/epsilon2$以前のアプローチのスケーリングに対する超指数的改善である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We consider classical shadows of fermion wavefunctions with $\eta$ particles
occupying $n$ modes. We prove that of all $k$-reduced density matrices may be
simultaneously estimated to an average variance of $\epsilon^{2}$ using at most
$\binom{\eta}{k}\big(1-\frac{\eta-k}{n}\big)^{k}\frac{1+n}{1+n-k}/\epsilon^{2}$
measurements in random single-particle bases that conserve particle number, and
provide an estimator that is computationally efficient. This is a
super-exponential improvement over the $\binom{n}{k}\sqrt{\pi k}/\epsilon^{2}$
scaling of prior approaches as $n$ can be arbitrarily larger than $\eta$ in
natural problems. Our method, in the worst-case of half-filling, still provides
a factor of $4^{k}$ advantage in sample complexity, and also estimates all
$\eta$-reduced density matrices, applicable to estimating overlaps with all
single Slater determinants, with at most $\frac{4}{3}/\epsilon^{2}$ samples,
which is additionally independent of $\eta$.
- Abstract(参考訳): フェルミオン波動関数の古典的な影を考えると、$\eta$粒子は$n$モードを占める。
すべての$k$-reduced density matricesは、最大で$\binom{\eta}{k}\big(1-\frac{\eta-k}{n}\big)^{k}\frac{1+n}{1+n-k}/\epsilon^{2}$の測定値を用いて、粒子数を保存するランダム単一粒子基底における平均分散を$\epsilon^{2}$と同時に推定し、計算的に効率的である推定器を提供する。
これは、以前のアプローチの$\binom{n}{k}\sqrt{\pi k}/\epsilon^{2}$のスケーリングに対する超指数的な改善であり、自然問題において$n$は$\eta$よりも任意に大きい。
我々の手法は、ハーフフィリングの最悪の場合においても、サンプルの複雑さにおいて4^{k}$の利点をもたらし、さらに全ての$\eta$-reduced density matricesを推定し、最大$$\frac{4}{3}/\epsilon^{2}$サンプルを含む全ての単一のスレーター行列との重なりを推定する。
関連論文リスト
- A spectral least-squares-type method for heavy-tailed corrupted
regression with unknown covariance \& heterogeneous noise [2.019622939313173]
重み付き最小二乗線形回帰は、少なくとも$epsilon n$ arbitrary outliersの$n$のラベル特徴サンプルを破損させたと仮定して再検討する。
本稿では,$(Sigma,Xi) や $Xi$ の演算ノルムに関する知識を前提に,電力法に基づくほぼ最適に計算可能な推定器を提案する。
論文 参考訳(メタデータ) (2022-09-06T23:37:31Z) - Near-optimal fitting of ellipsoids to random points [67.62812060787546]
独立標準ガウス点が与えられたとき、すべての点を同時に通過する原点対称楕円体が高い確率で$(n, d)$の値が存在するだろうか?
楕円体をランダムな点に合わせるというこの基本的な問題は、低ランク行列分解、独立成分分析、主成分分析に関係している。
この証明は、ある非標準確率行列の固有ベクトルと固有値の注意深い解析を用いて、サンダーソン等最小二乗構成の実現可能性を示す。
論文 参考訳(メタデータ) (2022-08-19T18:00:34Z) - On the Multidimensional Random Subset Sum Problem [0.9007371440329465]
確率変数 $X_1, ..., X_n$ が与えられたランダム部分集合 Sum 問題では、任意の点 $z in [-1,1]$ を部分集合 $X_i_1(z), ..., X_i_s(z)$ の和として近似したい。
我々は、$d$次元において、$n = O(d3log frac 1varepsilon cdot
論文 参考訳(メタデータ) (2022-07-28T08:10:43Z) - Structure Learning in Graphical Models from Indirect Observations [17.521712510832558]
本稿では、パラメータ法と非パラメトリック法の両方を用いて、Rp$における$p$次元ランダムベクトル$Xのグラフィカル構造を学習する。
温和な条件下では、グラフ構造推定器が正しい構造を得ることができることを示す。
論文 参考訳(メタデータ) (2022-05-06T19:24:44Z) - Low-degree learning and the metric entropy of polynomials [68.8204255655161]
少なくとも$Omega(sqrtvarepsilon)2dlog n leq log mathsfM(mathscrF_n,d,|cdot|_L,varepsilon)は2辺の推定値$c(1-varepsilon)2dlogを満たす。
論文 参考訳(メタデータ) (2022-03-17T23:52:08Z) - Random matrices in service of ML footprint: ternary random features with
no performance loss [55.30329197651178]
我々は、$bf K$ の固有スペクトルが$bf w$ の i.d. 成分の分布とは独立であることを示す。
3次ランダム特徴(TRF)と呼ばれる新しいランダム手法を提案する。
提案したランダムな特徴の計算には乗算が不要であり、古典的なランダムな特徴に比べてストレージに$b$のコストがかかる。
論文 参考訳(メタデータ) (2021-10-05T09:33:49Z) - Non-Parametric Estimation of Manifolds from Noisy Data [1.0152838128195467]
ノイズの多いサンプルの有限集合から$mathbbRD$の$d$次元部分多様体を推定する問題を検討する。
点推定では$n-frack2k + d$、接空間の推定では$n-frack-12k + d$の収束率を推定する。
論文 参考訳(メタデータ) (2021-05-11T02:29:33Z) - Two-way kernel matrix puncturing: towards resource-efficient PCA and
spectral clustering [43.50783459690612]
この方法は、データマトリックス$XinmathbbCptimes n$と対応するカーネル(Gram)マトリックス$K$の両方をBernoulliマスクを介してランダムに「切断」する。
我々は、GAN生成した画像データベースを実証的に確認し、データを劇的にパンクし、巨大な計算とストレージのゲインを提供することができることを確認した。
論文 参考訳(メタデータ) (2021-02-24T14:01:58Z) - Sparse sketches with small inversion bias [79.77110958547695]
逆バイアスは、逆の共分散に依存する量の推定を平均化するときに生じる。
本研究では、確率行列に対する$(epsilon,delta)$-unbiased estimatorという概念に基づいて、逆バイアスを解析するためのフレームワークを開発する。
スケッチ行列 $S$ が密度が高く、すなわちサブガウスのエントリを持つとき、$(epsilon,delta)$-unbiased for $(Atop A)-1$ は $m=O(d+sqrt d/ のスケッチを持つ。
論文 参考訳(メタデータ) (2020-11-21T01:33:15Z) - Linear Time Sinkhorn Divergences using Positive Features [51.50788603386766]
エントロピー正則化で最適な輸送を解くには、ベクトルに繰り返し適用される$ntimes n$ kernel matrixを計算する必要がある。
代わりに、$c(x,y)=-logdotpvarphi(x)varphi(y)$ ここで$varphi$は、地上空間から正のorthant $RRr_+$への写像であり、$rll n$である。
論文 参考訳(メタデータ) (2020-06-12T10:21:40Z) - Curse of Dimensionality on Randomized Smoothing for Certifiable
Robustness [151.67113334248464]
我々は、他の攻撃モデルに対してスムースな手法を拡張することは困難であることを示す。
我々はCIFARに関する実験結果を示し,その理論を検証した。
論文 参考訳(メタデータ) (2020-02-08T22:02:14Z)
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。