論文の概要: Biased Random Access Codes
- arxiv url: http://arxiv.org/abs/2302.08494v3
- Date: Thu, 12 Oct 2023 14:08:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-15 15:16:59.599843
- Title: Biased Random Access Codes
- Title（参考訳）: バイアス付きランダムアクセスコード
- Authors: Gabriel Pereira Alves, Nicolas Gigena, J\k{e}drzej Kaniewski
- Abstract要約: ランダムアクセスコード(英: random access code、RAC)は、送信者が受信機によって復号される短いメッセージにランダムメッセージを符号化する通信タスクである。
本稿では,古典的戦略と量子的戦略の両方に対して最適性能を数値的に評価するアルゴリズムを提案する。
- 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: A random access code (RAC) is a communication task in which the sender
encodes a random message into a shorter one to be decoded by the receiver so
that a randomly chosen character of the original message is recovered with some
probability. Both the message and the character to be recovered are assumed to
be uniformly distributed. In this paper, we extend this protocol by allowing
more general distributions of these inputs, which alters the encoding and
decoding strategies optimizing the protocol performance, with either classical
or quantum resources. We approach the problem of optimizing the performance of
these biased RACs with both numerical and analytical tools. On the numerical
front, we present algorithms that allow a numerical evaluation of the optimal
performance over both classical and quantum strategies and provide a Python
package designed to implement them, called RAC-tools. We then use this
numerical tool to investigate single-parameter families of biased RACs in the
$n^2 \mapsto 1$ and $2^d \mapsto 1$ scenarios. For RACs in the $n^2 \mapsto 1$
scenario, we derive a general upper bound for the cases in which the inputs are
not correlated, which coincides with the quantum value for $n=2$ and, in some
cases for $n=3$. Moreover, it is shown that attaining this upper bound
self-tests pairs or triples of rank-1 projective measurements, respectively. An
analogous upper bound is derived for the value of RACs in the $2^d \mapsto 1$
scenario, which is shown to be always attainable using mutually unbiased
measurements if the distribution of input strings is unbiased.
- Abstract（参考訳）: ランダムアクセスコード(RAC)は、送信者が受信者が復号する短いメッセージにランダムメッセージを符号化し、元のメッセージのランダムに選択された文字を何らかの確率で復元する通信タスクである。
回収されるメッセージと文字の両方が均一に分散されていると仮定される。
本稿では、このプロトコルを拡張して、これらの入力のより一般的な分布を可能にし、古典的または量子的なリソースを用いて、プロトコルの性能を最適化するエンコーディングおよびデコード戦略を変更する。
本稿では,これらのバイアス付きRACの性能を数値解析ツールと解析ツールの両方で最適化する問題にアプローチする。
数値面では、古典的および量子的戦略における最適性能の数値評価を可能にするアルゴリズムと、それらを実装するために設計されたpythonパッケージであるrac-toolsを提案する。
次に、この数値ツールを使用して、$n^2 \mapsto 1$と$^d \mapsto 1$シナリオにおけるバイアス付きracの単一パラメータ族を調べる。
n^2 \mapsto 1$ シナリオの rac については、入力が相関しない場合の一般的な上限が導出され、n=2$ の量子値と一致し、場合によっては $n=3$ となる。
さらに,この上界自己テストペアおよびランク1射影計測のトリプルをそれぞれ達成できることが示される。
2^d \mapsto 1$のシナリオでは、入力文字列の分布が偏りがない場合、互いに偏りのない測定によって常に達成可能であることが示されている。
関連論文リスト
- Relative-Translation Invariant Wasserstein Distance [82.6068808353647]
距離の新しい族、相対翻訳不変ワッサーシュタイン距離(RW_p$)を導入する。
我々は、$RW_p 距離もまた、分布変換に不変な商集合 $mathcalP_p(mathbbRn)/sim$ 上で定義される実距離測度であることを示す。
論文 参考訳（メタデータ） (2024-09-04T03:41:44Z) - Some Notes on the Sample Complexity of Approximate Channel Simulation [2.4554686192257424]
チャネルシミュレーションアルゴリズムは、所定のターゲット分布のランダムサンプルを$Q$で効率的にエンコードし、機械学習ベースの損失データ圧縮における応用を見つけることができる。
本稿では,固定ランタイムを用いた近似スキームについて考察する。
D_KL[Q Vert P] + o(1)) Big/epsilonbigのみのサンプル複雑さで、$mathrmTV[Q Vert P] leq epsilon$を確保し、最適な符号化性能を維持するために、グローバルバウンドの深度制限A*符号化を利用する。
論文 参考訳（メタデータ） (2024-05-07T14:44:41Z) - Linear-time Minimum Bayes Risk Decoding with Reference Aggregation [52.1701152610258]
最小ベイズリスク(MBR、Minimum Bayes Risk)は、機械翻訳の品質向上を図ったテキスト生成技術である。
これは2次複雑性を持つ実用計量のペアワイズ計算を必要とする。
本稿では,集約された参照表現に対して計算したスコアを用いて,ペアワイズメトリックスコアを近似する。
論文 参考訳（メタデータ） (2024-02-06T18:59:30Z) - SpecTr: Fast Speculative Decoding via Optimal Transport [30.18181671899423]
このアルゴリズムはデコーディングの高速化を図り、デコードされた出力に品質劣化がないことを保証します。
提案手法は,最先端の大規模言語モデルに対して,標準的なベンチマーク上での投機的復号化よりもさらに1.37倍の高速化である2.13Xのウォールクロック高速化を実現することを実験的に実証した。
論文 参考訳（メタデータ） (2023-10-23T17:47:34Z) - Replicable Clustering [57.19013971737493]
我々は,統計学的な$k$-medians,統計学的な$k$-means,統計学的な$k$-centers問題のアルゴリズムをブラックボックス方式で近似ルーチンを用いて提案する。
理論的結果を検証するブラックボックスとしてsklearnの$k$-means++実装を用いた2次元合成分布の実験も行っている。
論文 参考訳（メタデータ） (2023-02-20T23:29:43Z) - Rapid Person Re-Identification via Sub-space Consistency Regularization [51.76876061721556]
Person Re-Identification (ReID) は、歩行者を分離したカメラで識別する。
実値特徴記述子を用いた既存のReID法は精度が高いが、ユークリッド距離計算が遅いため効率が低い。
本稿では,ReID 処理を 0.25 倍高速化するサブスペース一貫性規則化 (SCR) アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-07-13T02:44:05Z) - 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) - PAC Mode Estimation using PPR Martingale Confidence Sequences [5.623190096715942]
離散分布 $mathcalP$ のモードを十分に高い確率で正確に同定する問題を考える。
モード推定の一般化を提案し、$mathcalP$は$K geq 2$値を取ることができる。
結果,PPR-MEと表される停止規則は,対数係数までのサンプル複雑性において最適である。
論文 参考訳（メタデータ） (2021-09-10T18:11:38Z) - List-Decodable Mean Estimation in Nearly-PCA Time [50.79691056481693]
高次元におけるリストデコタブル平均推定の基本的な課題について検討する。
我々のアルゴリズムは、すべての$k = O(sqrtd) cup Omega(d)$に対して$widetildeO(ndk)$で実行されます。
我々のアルゴリズムの変種は、すべての$k$に対してランタイム$widetildeO(ndk)$を持ち、リカバリ保証の$O(sqrtlog k)$ Factorを犠牲にしている。
論文 参考訳（メタデータ） (2020-11-19T17:21:37Z) - Quantum Random Access Codes for Boolean Functions [0.05076419064097732]
我々は、古典的(f$-RAC)および量子(f$-QRAC)エンコーディングによる$f$-randomアクセスコードのためのプロトコルを研究、提供する。
プロトコルの成功確率はブール関数$f$のエンフォネーズ安定性によって特徴づけられる。
論文 参考訳（メタデータ） (2020-11-12T17:48:37Z) - Towards Tight Communication Lower Bounds for Distributed Optimisation [30.134447658488057]
N$マシンは$sum_i = 1N f_i (x)$という関数の和を最小化することを目的としている。
我々の主な成果は、$N$マシンによって送信され受信される必要がある全ビット数に関する最初の完全に条件のない境界を提供する。
我々は、$Omega(Nd log d / Nvarepsilon)$ total bits をマシン間で通信し、$sum_i = 1N の最小値に対する加算 $epsilon$-approximation を見つける必要があることを示した。
論文 参考訳（メタデータ） (2020-10-16T08:10:02Z)
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。