論文の概要: Bayesian quantum phase estimation with fixed photon states
- arxiv url: http://arxiv.org/abs/2308.01293v2
- Date: Mon, 14 Oct 2024 23:30:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-16 13:57:56.608021
- Title: Bayesian quantum phase estimation with fixed photon states
- Title（参考訳）: 固定光子状態を用いたベイズ量子位相推定
- Authors: Boyu Zhou, Saikat Guha, Christos N. Gagatsos,
- Abstract要約: 我々は、上モードと下モードがそれぞれ位相$phi$と$-phi$を拾うmathbbN$に固定光子数$nの2モードボソニック状態を考える。
入力状態の最適Fock係数を計算し、$phi$を推定する平均二乗誤差(MSE)を最小化する。
- 参考スコア（独自算出の注目度）: 5.287546642230383
- License:
- Abstract: We consider a two-mode bosonic state with fixed photon number $n \in \mathbb{N}$, whose upper and lower modes pick up a phase $\phi$ and $-\phi$ respectively. We compute the optimal Fock coefficients of the input state, such that the mean square error (MSE) for estimating $\phi$ is minimized while the minimum MSE is always attainable by a measurement. Our setting is Bayesian, i.e., we consider $\phi$ to be a random variable that follows a prior probability distribution function (PDF). Initially, we consider the flat prior PDF and we discuss the well-known fact that the MSE is not an informative tool for estimating a phase when the variance of the prior PDF is large. Therefore, we move on to study truncated versions of the flat prior in both single-shot and adaptive approaches. For our adaptive technique we consider $n=1$ and truncated prior PDFs. Each subsequent step utilizes as prior PDF the posterior probability of the previous step and at the same time we update the optimal state and optimal measurement.
- Abstract（参考訳）: 固定光子数 $n \in \mathbb{N}$ の2モードボソニック状態を考えると、上モードと下モードはそれぞれ $\phi$ と $-\phi$ を拾う。
我々は入力状態の最適Fock係数を計算し、$\phi$を推定する平均2乗誤差(MSE)を最小にし、最小MSEは測定によって常に達成可能である。
我々の設定はベイズ的、すなわち、$\phi$ を事前確率分布関数に従う確率変数と考える(PDF)。
当初、フラットな先行PDFについて検討し、MSEが先行PDFのばらつきが大きい場合の位相を推定するための情報ツールではないことをよく知られた事実について論じる。
そこで本研究では,単発・適応両方のアプローチにおいて,フラットの切り離されたバージョンについて検討する。
適応的手法として$n=1$とtruncated以前のPDFを検討する。
各ステップは、前のステップの後方確率をPDFとして利用し、同時に最適な状態と最適な測定値を更新する。
関連論文リスト
- Variance Reduction for the Independent Metropolis Sampler [11.074080383657453]
我々は、$pi$がKL分散の下で別の密度$q$に十分近い場合、$pi$からサンプルを得る独立したサンプリング器は、$pi$からサンプリングするi.d.よりも小さな分散を達成することを証明した。
提案手法は,KLの目標との偏差が低減されるように,提案密度に適応する適応型独立メトロポリスアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-06-25T16:38:53Z) - Minimax Optimality of Score-based Diffusion Models: Beyond the Density Lower Bound Assumptions [11.222970035173372]
カーネルベースのスコア推定器は$widetildeOleft(n-1 t-fracd+22(tfracd2 vee 1)rightの最適平均二乗誤差を達成する
核を用いたスコア推定器は,拡散モデルで生成した試料の分布の総変動誤差に対して,極小ガウスの下での最大平均2乗誤差を$widetildeOleft(n-1/2 t-fracd4right)$上界で達成することを示す。
論文 参考訳（メタデータ） (2024-02-23T20:51:31Z) - Towards Optimal Statistical Watermarking [95.46650092476372]
仮説テスト問題として定式化して統計的透かしを研究する。
我々の定式化の鍵は、出力トークンと拒絶領域の結合である。
一般仮説テスト設定において,UMP(Uniformly Most Powerful)の透かしを特徴付ける。
論文 参考訳（メタデータ） (2023-12-13T06:57:00Z) - A Specialized Semismooth Newton Method for Kernel-Based Optimal
Transport [92.96250725599958]
カーネルベース最適輸送(OT)推定器は、サンプルからOT問題に対処するための代替的機能的推定手順を提供する。
SSN法は, 標準正規性条件下でのグローバル収束率$O (1/sqrtk)$, 局所二次収束率を達成できることを示す。
論文 参考訳（メタデータ） (2023-10-21T18:48:45Z) - Bayesian minimum mean square error for transmissivity sensing [5.348876409230946]
ベイズの観点から純粋損失チャネルの透過率を推定する問題に対処する。
我々はベイズ最小二乗誤差(MMSE)を計算する方法を用いる。
本研究では,準最適かつ実用的な測定方法である光子計数の性能について検討する。
論文 参考訳（メタデータ） (2023-04-12T00:01:28Z) - Estimating the minimizer and the minimum value of a regression function
under passive design [72.85024381807466]
最小値 $boldsymbolx*$ と最小値 $f*$ を滑らかで凸な回帰関数 $f$ で推定する新しい手法を提案する。
2次リスクと$boldsymbolz_n$の最適化誤差、および$f*$を推定するリスクについて、漸近的でない上界を導出する。
論文 参考訳（メタデータ） (2022-11-29T18:38:40Z) - (Nearly) Optimal Private Linear Regression via Adaptive Clipping [22.639650869444395]
固定されたガウス型分布から各データ点をサンプリングする微分プライベート線形回帰問題について検討する。
本稿では,各イテレーションの点を置換せずにサンプリングする1パスのミニバッチ勾配勾配法(DP-AMBSSGD)を提案し,解析する。
論文 参考訳（メタデータ） (2022-07-11T08:04:46Z) - Conditionally Calibrated Predictive Distributions by
Probability-Probability Map: Application to Galaxy Redshift Estimation and
Probabilistic Forecasting [4.186140302617659]
不確実性は、AIアルゴリズムの予測能力を評価するために不可欠である。
PD診断と再校正の両方に対処する textttCal-PIT を提案する。
修正した予測帯域を、オラクルバンドと最先端の予測推論アルゴリズムに対してベンチマークする。
論文 参考訳（メタデータ） (2022-05-29T03:52:44Z) - A Momentum-Assisted Single-Timescale Stochastic Approximation Algorithm
for Bilevel Optimization [112.59170319105971]
問題に対処するための新しいアルゴリズム - Momentum- Single-timescale Approximation (MSTSA) を提案する。
MSTSAでは、低いレベルのサブプロブレムに対する不正確な解決策のため、反復でエラーを制御することができます。
論文 参考訳（メタデータ） (2021-02-15T07:10:33Z) - Debiasing Distributed Second Order Optimization with Surrogate Sketching
and Scaled Regularization [101.5159744660701]
分散第2次最適化において、標準的な戦略は、データの小さなスケッチやバッチに基づいて、多くの局所的な見積もりを平均化することである。
本稿では,分散二階法における収束率の理論的および実証的改善を両立させるため,局所的な推定を嫌悪する新しい手法を提案する。
論文 参考訳（メタデータ） (2020-07-02T18:08:14Z) - Breaking the Sample Size Barrier in Model-Based Reinforcement Learning
with a Generative Model [50.38446482252857]
本稿では、生成モデル(シミュレータ)へのアクセスを想定して、強化学習のサンプル効率について検討する。
最初に$gamma$-discounted infinite-horizon Markov decision process (MDPs) with state space $mathcalS$ and action space $mathcalA$を考える。
対象の精度を考慮すれば,モデルに基づく計画アルゴリズムが最小限のサンプルの複雑さを実現するのに十分であることを示す。
論文 参考訳（メタデータ） (2020-05-26T17:53:18Z)
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。