Fugu-MT 論文翻訳(概要): Optimizing positive maps in the matrix algebra $M

論文の概要: Optimizing positive maps in the matrix algebra $M_n$

arxiv url: http://arxiv.org/abs/2309.09621v1
Date: Mon, 18 Sep 2023 09:47:55 GMT
ステータス: 処理完了
システム内更新日: 2023-09-19 14:09:52.825133
Title: Optimizing positive maps in the matrix algebra $M_n$
Title（参考訳）: 行列代数 $M_n$ における正写像の最適化
Authors: Anindita Bera, Gniewomir Sarbicki and Dariusz Chru\'sci\'nski
Abstract要約: GCD(n,k)= 2$ または 3 のとき、写像 $tau_n,k$ を最適化する方法を予想する。 GCD(n,k)=2$の場合、一連の解析結果が導出され、$GCD(n,k)=3$の場合、適切な数値解析を行う。
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 present an optimization procedure for a seminal class of positive maps $\tau_{n,k}$ in the algebra of $n \times n$ complex matrices introduced and studied by Tanahasi and Tomiyama, Ando, Nakamura and Osaka. Recently, these maps were proved to be optimal whenever the greatest common divisor $GCD(n,k)=1$. We attain a general conjecture how to optimize a map $\tau_{n,k}$ when $GCD(n,k)=2$ or 3. For $GCD(n,k)=2$, a series of analytical results are derived and for $GCD(n,k)=3$, we provide a suitable numerical analysis.
Abstract（参考訳）: タナハシ、富山、安東、中村、大阪によって導入・研究された複素行列の代数学において、正の写像のセミナル類 $\tau_{n,k}$ の最適化手順を示す。最近、これらの写像は最大公約数$GCD(n,k)=1$のときに最適であることが証明された。 gcd(n,k)=2$ または 3 のとき、マップ $\tau_{n,k}$ を最適化する方法の一般予想を得る。 GCD(n,k)=2$の場合、一連の解析結果が導出され、$GCD(n,k)=3$の場合、適切な数値解析を行う。

関連論文リスト

Optimal Sketching for Residual Error Estimation for Matrix and Vector Norms [50.15964512954274]
線形スケッチを用いた行列とベクトルノルムの残差誤差推定問題について検討する。これは、前作とほぼ同じスケッチサイズと精度で、経験的にかなり有利であることを示す。また、スパースリカバリ問題に対して$Omega(k2/pn1-2/p)$低いバウンダリを示し、これは$mathrmpoly(log n)$ factorまで厳密である。
論文参考訳（メタデータ） (2024-08-16T02:33:07Z)
Optimality of generalized Choi maps in $M_3$ [0.0]
一般化された長井写像が最適である場合、すなわち正の写像と完全正の写像の和として表すことができない。この性質は超越性よりも弱いが、量子絡みの検出において重要な役割を果たすことが判明した。
論文参考訳（メタデータ） (2023-12-05T14:57:11Z)
A Whole New Ball Game: A Primal Accelerated Method for Matrix Games and Minimizing the Maximum of Smooth Functions [44.655316553524855]
我々は,$d$次元ユークリッド領域あるいは単純領域上で$max_iin[n] f_i(x) を最小化するアルゴリズムを設計する。それぞれの$f_i$が1ドルLipschitzと1ドルSmoothのとき、我々の手法は$epsilon-approximateの解を計算する。
論文参考訳（メタデータ） (2023-11-17T22:07:18Z)
Structured Semidefinite Programming for Recovering Structured Preconditioners [41.28701750733703]
正定値$mathbfK を mathbbRd times d$ と $mathrmnnz(mathbfK)$ の 0 でないエントリで与えられるアルゴリズムは、時間内に$epsilon$-optimal diagonal preconditioner を計算する。我々は、行列辞書近似SDPと呼ばれる半定値プログラムのクラスに対して、新しいアルゴリズムを用いて結果を得る。
論文参考訳（メタデータ） (2023-10-27T16:54:29Z)
Fast $(1+\varepsilon)$-Approximation Algorithms for Binary Matrix Factorization [54.29685789885059]
本稿では, 2次行列分解(BMF)問題に対する効率的な$(1+varepsilon)$-approximationアルゴリズムを提案する。目標は、低ランク因子の積として$mathbfA$を近似することである。我々の手法はBMF問題の他の一般的な変種に一般化する。
論文参考訳（メタデータ） (2023-06-02T18:55:27Z)
An Optimal Algorithm for Strongly Convex Min-min Optimization [79.11017157526815]
既存の最適な一階法には$mathcalO(sqrtmaxkappa_x,kappa_y log 1/epsilon)$nabla_x f(x,y)$と$nabla_y f(x,y)$の両方の計算が必要である。我々は$mathcalO(sqrtkappa_x log 1/epsilon)$nabla_x f(x,
論文参考訳（メタデータ） (2022-12-29T19:26:12Z)
Beyond Ans\"atze: Learning Quantum Circuits as Unitary Operators [30.5744362478158]
We run gradient-based optimization in the Lie algebra $mathfrak u(2N)$。我々は、$U(2N)$は、アンザッツによって誘導される検索空間よりも一般的であるだけでなく、古典的なコンピュータでの作業が容易であると主張する。
論文参考訳（メタデータ） (2022-03-01T16:40:21Z)
Low-Rank Approximation with $1/\epsilon^{1/3}$ Matrix-Vector Products [58.05771390012827]
我々は、任意のSchatten-$p$ノルムの下で、低ランク近似のためのクリロフ部分空間に基づく反復法について研究する。我々の主な成果は、$tildeO(k/sqrtepsilon)$ matrix-vector productのみを使用するアルゴリズムである。
論文参考訳（メタデータ） (2022-02-10T16:10:41Z)
Fast Graph Sampling for Short Video Summarization using Gershgorin Disc Alignment [52.577757919003844]
高速グラフサンプリングの最近の進歩を利用して,短い動画を複数の段落に効率よく要約する問題について検討する。実験結果から,本アルゴリズムは最先端の手法と同等の映像要約を実現し,複雑さを大幅に低減した。
論文参考訳（メタデータ） (2021-10-21T18:43:00Z)
Signed Graph Metric Learning via Gershgorin Disc Perfect Alignment [46.145969174332485]
プロジェクションフリーの高速な一般メトリック学習フレームワークを提案する。距離あたりの線形制約が考えられるため、距離学習問題におけるPDコーン制約を置き換える。実験により,我々のグラフ距離の最適化はコーン射影方式よりもはるかに高速であることが示された。
論文参考訳（メタデータ） (2020-06-15T23:15:12Z)

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。