論文の概要: Optimizing detection of continuous variable entanglement for limited data

• arxiv url: http://arxiv.org/abs/2211.17168v2
• Date: Mon, 15 Jan 2024 15:04:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-18 03:33:55.272646
• Title: Optimizing detection of continuous variable entanglement for limited data
• Title（参考訳）: 制限データに対する連続変数絡みの最適検出
• Authors: Martin G\"arttner and Tobias Haas and Johannes Noll
• Abstract要約: 我々は、フシミ$Q$分布の値が位相空間の点の格子上でのみ知られているような粗粒度測定(有限検出器分解)のシナリオを考える。 我々は、与えられた有限個のサンプルに対する検出の統計的意義を最大化するために、我々の絡み合い基準をカスタマイズする。
• 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: We explore the advantages of a class of entanglement criteria for continuous variable systems based on the Husimi $Q$-distribution in scenarios with sparse experimental data. The generality of these criteria allows optimizing them for a given entangled state and experimental setting. We consider the scenario of coarse grained measurements, or finite detector resolution, where the values of the Husimi $Q$-distribution are only known on a grid of points in phase space, and show how the entanglement criteria can be adapted to this case. Further, we examine the scenario where experimental measurements amount to drawing independent samples from the Husimi distribution. Here, we customize our entanglement criteria to maximize the statistical significance of the detection for a given finite number of samples. In both scenarios optimization leads to clear improvements enlarging the class of detected states and the signal-to-noise ratio of the detection, respectively.
• Abstract（参考訳）: 実験データの少ないシナリオにおけるHusimi$Q$-distributionに基づく連続変数系に対する絡み合い基準のクラスの有用性について検討する。 これらの基準の一般化により、与えられた絡み合った状態と実験的な設定に対してそれらを最適化することができる。 我々は、フシミ$Q$分布の値が位相空間の点の格子上でのみ知られているような粗粒度測定(有限検出器分解)のシナリオを考察し、この場合の絡み合い基準をどのように適用できるかを示す。 さらに,フシミ分布から独立した試料を抽出する実験的な測定値が得られた場合のシナリオについて検討した。 ここでは,与えられた有限個の試料の検出の統計的意義を最大化するために,絡み合い基準をカスタマイズする。 両方のシナリオにおいて、最適化は検出された状態のクラスと検出の信号対雑音比を大きくする明確な改善をもたらす。

関連論文リスト

• Theory on Score-Mismatched Diffusion Models and Zero-Shot Conditional Samplers [49.97755400231656]
  本報告では,明示的な次元の一般スコアミスマッチ拡散サンプリング器を用いた最初の性能保証について述べる。 その結果, スコアミスマッチは, 目標分布とサンプリング分布の分布バイアスとなり, 目標分布とトレーニング分布の累積ミスマッチに比例することがわかった。 この結果は、測定ノイズに関係なく、任意の条件モデルに対するゼロショット条件付きサンプリングに直接適用することができる。
  論文  参考訳（メタデータ） (2024-10-17T16:42:12Z)
• Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
  本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。 我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。 シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
  論文  参考訳（メタデータ） (2024-01-29T02:08:40Z)
• Conditional Sampling of Variational Autoencoders via Iterated Approximate Ancestral Sampling [7.357511266926065]
  変分オートエンコーダ(VAE)の条件付きサンプリングは、データ計算の欠如など、様々なアプリケーションで必要とされるが、計算上は難解である。 基本的条件付きサンプリングはMetropolis-within-Gibbs (MWG)である
  論文  参考訳（メタデータ） (2023-08-17T16:08:18Z)
• Anomaly Detection with Variance Stabilized Density Estimation [49.46356430493534]
  本稿では, 観測試料の確率を最大化するための分散安定化密度推定問題を提案する。 信頼性の高い異常検知器を得るために,分散安定化分布を学習するための自己回帰モデルのスペクトルアンサンブルを導入する。 我々は52のデータセットで広範なベンチマークを行い、我々の手法が最先端の結果につながることを示した。
  論文  参考訳（メタデータ） (2023-06-01T11:52:58Z)
• Consistent Optimal Transport with Empirical Conditional Measures [0.6562256987706128]
  共振器における2つの関節分布間の最適輸送(OT)の問題点を考察する。 我々は、共同サンプル上で計算されたカーネル化された最小二乗項を使用し、輸送計画の条件的目的に暗黙的に一致する。 本手法は, 治療に対する細胞応答予測の文脈において, 短時間の分類のための即時学習や条件生成などの応用に適用する場合, 最先端の手法を改良する。
  論文  参考訳（メタデータ） (2023-05-25T10:01:57Z)
• Variational Classification [51.2541371924591]
  我々は,変分オートエンコーダの訓練に用いるエビデンスローバウンド(ELBO)に類似した,モデルの訓練を目的とした変分目的を導出する。 軟質マックス層への入力を潜伏変数のサンプルとして扱うことで, 抽象化された視点から, 潜在的な矛盾が明らかとなった。 我々は、標準ソフトマックス層に見られる暗黙の仮定の代わりに、選択された潜在分布を誘導する。
  論文  参考訳（メタデータ） (2023-05-17T17:47:19Z)
• Detecting continuous variable entanglement in phase space with the $Q$-distribution [0.0]
  本稿では,Husimi $Q$-distributionに基づく連続変数絡み合い基準のクラスを証明する。 コンケーブ関数の集合を最適化する可能性の根源となる一般化について論じる。
  論文  参考訳（メタデータ） (2022-11-30T17:01:24Z)
• Sensing Cox Processes via Posterior Sampling and Positive Bases [56.82162768921196]
  本研究では,空間統計学から広く用いられている点過程の適応センシングについて検討する。 我々は、この強度関数を、特別に構築された正の基底で表される、歪んだガウス過程のサンプルとしてモデル化する。 我々の適応センシングアルゴリズムはランゲヴィン力学を用いており、後続サンプリング(textscCox-Thompson)と後続サンプリング(textscTop2)の原理に基づいている。
  論文  参考訳（メタデータ） (2021-10-21T14:47:06Z)
• Calibration of Neural Networks using Splines [51.42640515410253]
  キャリブレーション誤差の測定は、2つの経験的分布を比較します。 古典的コルモゴロフ・スミルノフ統計テスト(KS)にインスパイアされたビンニングフリーキャリブレーション尺度を導入する。 提案手法は,KS誤差に対する既存の手法と,他の一般的なキャリブレーション手法とを一貫して比較する。
  論文  参考訳（メタデータ） (2020-06-23T07:18:05Z)
• Variance Reduction for Better Sampling in Continuous Domains [5.675136204504504]
  最適探索分布は, 先行分布よりも分布の中心付近でピークとなる可能性が示唆された。 本研究では, 人口規模に応じて, 探索分布を変形させるための明示的な値を提供する。
  論文  参考訳（メタデータ） (2020-04-24T12:25:48Z)
• Minimax optimal goodness-of-fit testing for densities and multinomials under a local differential privacy constraint [3.265773263570237]
  適合性テストにおける局所的な差分プライバシー制約の影響を考察する。 本稿では,未知密度の滑らか度パラメータに適応し,対数係数まで最小限の最適値を維持するテストを提案する。
  論文  参考訳（メタデータ） (2020-02-11T08:41:05Z)

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。