論文の概要: A Variational Approach to Unique Determinedness in Pure-state Tomography
- arxiv url: http://arxiv.org/abs/2305.10811v1
- Date: Thu, 18 May 2023 08:49:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-19 16:15:08.543258
- Title: A Variational Approach to Unique Determinedness in Pure-state Tomography
- Title(参考訳): 純状態トモグラフィにおける一意な決定性に対する変分的アプローチ
- Authors: Chao Zhang, Xuanran Zhu, Bei Zeng
- Abstract要約: 本研究では,量子状態トモグラフィーにおける一意決定性(UD)の新たな変分法を提案する。
我々は、UDと非UD測定方式の区別を可能にするために、特別に定義された損失関数を最小限に抑える効果的なアルゴリズムを提唱した。
我々は、純状態 (UDP) と全状態 (UDA) の量子ビット系における一意的に決定されたアライメントを識別する。
- 参考スコア(独自算出の注目度): 6.393968492235025
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In quantum state tomography, particularly with pure states, unique
determinedness (UD) holds significant importance. This study presents a new
variational approach to examining UD, offering a robust solution to the
challenges associated with the construction and validation of UD measurement
schemes. We put forward an effective algorithm that minimizes a specially
defined loss function, enabling the differentiation between UD and non-UD
measurement schemes. This leads to the discovery of numerous optimal pure-state
Pauli measurement schemes across a variety of dimensions. Additionally, we
discern an alignment between uniquely determined among pure states (UDP) and
uniquely determined among all states (UDA) in qubit systems when utilizing
Pauli measurements, underscoring its unique characteristics. We further bridge
the gap between our loss function and the stability of state recovery,
bolstered by a theoretical framework. Our study not only propels the
understanding of UD in quantum state tomography forward, but also delivers
valuable practical insights for experimental applications, highlighting the
need for a balanced approach between mathematical optimality and experimental
pragmatism.
- Abstract(参考訳): 量子状態トモグラフィー、特に純粋状態では、一意決定性(UD)が重要である。
本研究は,UD測定方式の構築と検証に関わる課題に対して,頑健な解決策を提供するための新しい変分手法を提案する。
我々は、特殊に定義された損失関数を最小化し、udと非udの区別を可能にする効果的なアルゴリズムを提案する。
これにより、様々な次元にわたる多数の最適純状態パウリ計測スキームが発見される。
さらに,純状態 (UDP) と純状態 (UDA) の整合性について, パウリ測度を用いた場合, 純状態 (UDP) と全状態 (UDA) の整合性について検討した。
我々は, 損失関数と状態回復の安定性とのギャップを, 理論的枠組みによってさらに橋渡しする。
本研究は、量子状態トモグラフィにおけるudの理解を促進するだけでなく、実験応用に有用な実用的な洞察を与え、数学的最適性と実験的実用性とのバランスのとれたアプローチの必要性を浮き彫りにした。
関連論文リスト
- Empirical Validation of Conformal Prediction for Trustworthy Skin Lesions Classification [3.7305040207339286]
我々は、深層ニューラルネットワークにおける不確実性定量化を評価するために、コンフォーマル予測、モンテカルロドロップアウト、およびエビデンシャルディープラーニングアプローチを開発した。
結果: 実験結果から, 不確実性定量化はコンフォーマル予測法により著しく向上した。
我々の結論は、様々なテスト条件にまたがる整合予測の頑健で一貫した性能を強調している。
論文 参考訳(メタデータ) (2023-12-12T17:37:16Z) - Online POMDP Planning with Anytime Deterministic Guarantees [11.157761902108692]
不確実性の下での計画は、部分的に観測可能なマルコフ決定プロセス(POMDP)を用いて数学的に定式化できる
POMDPの最適計画を見つけるには計算コストがかかり、小さなタスクにのみ適用可能である。
簡便な解と理論的に最適な解との決定論的関係を導出する。
論文 参考訳(メタデータ) (2023-10-03T04:40:38Z) - Ontology-aware Learning and Evaluation for Audio Tagging [56.59107110017436]
平均平均精度(mAP)は、異なる種類の音をそれらの関係を考慮せずに独立したクラスとして扱う。
オントロジー認識平均平均精度(OmAP)は、評価中にAudioSetオントロジー情報を利用することで、mAPの弱点に対処する。
我々は人間の評価を行い、OmAPはmAPよりも人間の知覚と一致していることを示した。
論文 参考訳(メタデータ) (2022-11-22T11:35:14Z) - Demonstration of optimal non-projective measurement of binary coherent
states with photon counting [0.0]
2元コヒーレント状態の識別のための最適不確定測定を実験的に実証した。
特に,位相コヒーレント状態に対する最適最小誤差測定を実現するために,この一般的な測定法を用いる。
論文 参考訳(メタデータ) (2022-07-25T14:35:16Z) - Reframed GES with a Neural Conditional Dependence Measure [20.47061693587848]
Wevisit the Greedy Equivalence Search (GES) algorithm, which is known as a score-based algorithm for learn the Markov equivalence class (MEC)。
本稿では,GESアルゴリズムの再フレーミングについて述べる。
本稿では,ディープニューラルネットワークの表現力を利用したニューラル条件依存尺度を提案する。
論文 参考訳(メタデータ) (2022-06-17T03:29:08Z) - On the Minimal Adversarial Perturbation for Deep Neural Networks with
Provable Estimation Error [65.51757376525798]
敵の摂動の存在は、証明可能な堅牢性に関する興味深い研究ラインを開いた。
検証可能な結果は、コミットしたエラーを見積り、バウンドするものではない。
本稿では,最小対向摂動を求めるための2つの軽量戦略を提案する。
その結果, 提案手法は, 分類に近い試料の理論的距離とロバスト性を近似し, 敵攻撃に対する確実な保証が得られた。
論文 参考訳(メタデータ) (2022-01-04T16:40:03Z) - Theory of versatile fidelity estimation with confidence [5.620334754517147]
本稿では,任意の特定の測定設定に対して,ほぼ最小限の信頼区間を持つ推定器を構築する方法を提案する。
理論的および数値的な結果を組み合わせることで,提案手法の様々な望ましい特性を実証する。
論文 参考訳(メタデータ) (2021-12-15T08:03:05Z) - CertainNet: Sampling-free Uncertainty Estimation for Object Detection [65.28989536741658]
ニューラルネットワークの不確実性を推定することは、安全クリティカルな設定において基本的な役割を果たす。
本研究では,オブジェクト検出のための新しいサンプリング不要不確実性推定法を提案する。
私たちはそれをCertainNetと呼び、各出力信号に対して、オブジェクト性、クラス、位置、サイズという、別の不確実性を提供するのは、これが初めてです。
論文 参考訳(メタデータ) (2021-10-04T17:59:31Z) - On the Practicality of Deterministic Epistemic Uncertainty [106.06571981780591]
決定論的不確実性法(DUM)は,分布外データの検出において高い性能を達成する。
DUMが十分に校正されており、現実のアプリケーションにシームレスにスケールできるかどうかは不明だ。
論文 参考訳(メタデータ) (2021-07-01T17:59:07Z) - Amortized Conditional Normalized Maximum Likelihood: Reliable Out of
Distribution Uncertainty Estimation [99.92568326314667]
本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。
提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。
我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
論文 参考訳(メタデータ) (2020-11-05T08:04:34Z) - Pitfalls of In-Domain Uncertainty Estimation and Ensembling in Deep
Learning [70.72363097550483]
本研究では,画像分類における領域内不確実性に着目した。
そこで本研究では,ディープアンサンブル等価スコア(DEE)を導入する。
論文 参考訳(メタデータ) (2020-02-15T23:28:19Z)
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。