論文の概要: Tight bounds on Pauli channel learning without entanglement

• arxiv url: http://arxiv.org/abs/2309.13461v1
• Date: Sat, 23 Sep 2023 19:12:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-26 19:44:54.767179
• Title: Tight bounds on Pauli channel learning without entanglement
• Title（参考訳）: 絡み合いのないポーリチャネル学習の厳密な境界
• Authors: Senrui Chen, Changhun Oh, Sisi Zhou, Hsin-Yuan Huang, Liang Jiang
• Abstract要約: 絡み合いは学習に有用なリソースであるが、その利点を正確に評価することは困難である。 我々は、絡み合いのない学習アルゴリズムを、メインシステムとアシラリーシステムの間の分離可能な状態、測定、操作のみを利用するものと考える。 我々は、最もよく知られた上界と下界の間の立方的ギャップを閉じる絡み合いのないパウリチャネルを学習するために、厳密な下界を証明した。
• 参考スコア（独自算出の注目度）: 2.4509806643062397
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Entanglement is a useful resource for learning, but a precise characterization of its advantage can be challenging. In this work, we consider learning algorithms without entanglement to be those that only utilize separable states, measurements, and operations between the main system of interest and an ancillary system. These algorithms are equivalent to those that apply quantum circuits on the main system interleaved with mid-circuit measurements and classical feedforward. We prove a tight lower bound for learning Pauli channels without entanglement that closes a cubic gap between the best-known upper and lower bound. In particular, we show that $\Theta(2^n\varepsilon^{-2})$ rounds of measurements are required to estimate each eigenvalue of an $n$-qubit Pauli channel to $\varepsilon$ error with high probability when learning without entanglement. In contrast, a learning algorithm with entanglement only needs $\Theta(\varepsilon^{-2})$ rounds of measurements. The tight lower bound strengthens the foundation for an experimental demonstration of entanglement-enhanced advantages for characterizing Pauli noise.
• Abstract（参考訳）: 絡み合いは学習に有用な資源であるが、その利点の正確な特徴付けは困難である。 本研究では,絡み合いのない学習アルゴリズムを,メインシステムとアシラリーシステムの間の分離可能な状態,測定,操作のみを利用するものと考える。 これらのアルゴリズムは、主系に量子回路を適用し、中間回路測定や古典フィードフォワードとインターリーブするアルゴリズムと等価である。 我々は、最もよく知られた上界と下界の間の立方体ギャップを閉じる絡み合いなくポーリチャネルを学ぶための厳密な下界を証明している。 特に、$n$-qubit pauliチャネルの固有値から$\varepsilon$の誤差を、絡み合いのない学習時に高い確率で推定するには、$\theta(2^n\varepsilon^{-2})$ラウンドの計測が必要となる。 対照的に、絡み合う学習アルゴリズムは、$\theta(\varepsilon^{-2})$の計測ラウンドしか必要としない。 厳密な下界は、パウリノイズを特徴づけるための絡み合い強化された利点の実験的実証の基礎を強化する。

関連論文リスト

• Adaptivity is not helpful for Pauli channel learning [12.123876307427103]
  このノートは、適応戦略が、絡み合った入力でPauliチャネルを学習し、テストするための追加の利点を提供していないことを示している。 まず、一般ノルム$l_p$に対して、絡み合った入力を持つパウリチャネルを学習する際の厳密なクエリ複雑性を確立する。 誤差分布のエントロピーを特徴とするPauliチャネルのノイズレベルを推定するクエリの複雑さが$Theta(4n/n)$であることを示す。
  論文  参考訳（メタデータ） (2024-03-14T01:54:29Z)
• Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
  我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。 我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
  論文  参考訳（メタデータ） (2024-01-17T18:59:38Z)
• Provable Advantage in Quantum PAC Learning [3.291862617649511]
  PAC学習者は量子学習において汎用的な優位性を得ることができることを示す。 多相性因子は古典的な学習サンプルの複雑さよりも正方形の改善である。
  論文  参考訳（メタデータ） (2023-09-19T19:26:20Z)
• Simulating Noisy Variational Quantum Algorithms: A Polynomial Approach [1.806183113759115]
  大規模変動量子アルゴリズムは量子優位性を達成するための潜在的な経路として広く認識されている。 本稿では,可観測物のバックプロパゲーションの積分経路に基づく新しい$gammaPPP法を提案する。 我々は,IBMの127量子ビットイーグルプロセッサにおけるゼロノード化実験結果の古典的シミュレーションを行う。
  論文  参考訳（メタデータ） (2023-06-09T10:42:07Z)
• Lower Bounds on Learning Pauli Channels [8.72305226979945]
  ダイヤモンドノルムにおけるパウリチャネルを非交絡測定で学習する際のサンプルの複雑さの低い境界を示す。 非適応的な設定では、$Omega (23nepsilon-2)$の低い境界を示し、$n$-qubit Pauliチャネルを学ぶ。 適応的な設定では、$Omega (22.5nepsilon-2)$ for $epsilon=mathcalO (2-n)$、$Omega (22n)$の低い境界を示す。
  論文  参考訳（メタデータ） (2023-01-22T20:01:34Z)
• Minimax-Optimal Multi-Agent RL in Zero-Sum Markov Games With a Generative Model [50.38446482252857]
  2人プレイのゼロサムマルコフゲームは多エージェント強化学習においておそらく最も基本的な設定である。 我々は,$$ widetildeObiggを用いて,$varepsilon$-approximate Markov NEポリシーを学習する学習アルゴリズムを開発した。 我々は、分散型量の役割を明確にするFTRLに対する洗練された後悔境界を導出する。
  論文  参考訳（メタデータ） (2022-08-22T17:24:55Z)
• Learning Two-Player Mixture Markov Games: Kernel Function Approximation and Correlated Equilibrium [157.0902680672422]
  非線形関数近似を用いた2プレイヤーゼロサムマルコフゲームにおけるナッシュ平衡の学習について検討する。 双対性ギャップを最小化してナッシュ均衡を求める新しいオンライン学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-08-10T14:21:54Z)
• A single $T$-gate makes distribution learning hard [56.045224655472865]
  この研究は、局所量子回路の出力分布の学習可能性に関する広範な評価を提供する。 ハイブリッド量子古典アルゴリズムを含む多種多様な学習アルゴリズムにおいて、深度$d=omega(log(n))$ Clifford回路に関連する生成的モデリング問題さえも困難であることを示す。
  論文  参考訳（メタデータ） (2022-07-07T08:04:15Z)
• Quantum advantages for Pauli channel estimation [2.5496329090462626]
  絡み合った測定は、パウリチャネル推定のサンプルの複雑さにおいて指数関数的に有利である。 本稿では,アンシラ支援型推定プロトコルを実用的な量子ベンチマークタスクに適用する方法を示す。
  論文  参考訳（メタデータ） (2021-08-19T04:10:28Z)
• Provably Efficient Reward-Agnostic Navigation with Linear Value Iteration [143.43658264904863]
  我々は、最小二乗値スタイルのアルゴリズムで一般的に使用される、より標準的なベルマン誤差の概念の下での反復が、ほぼ最適値関数の学習において強力なPAC保証を提供することを示す。 そこで本稿では,任意の(線形な)報酬関数に対して,最適に近いポリシーを学習するためにどのように使用できるかを示す。
  論文  参考訳（メタデータ） (2020-08-18T04:34:21Z)
• Learning Halfspaces with Tsybakov Noise [50.659479930171585]
  テュバコフ雑音の存在下でのハーフスペースの学習可能性について検討する。 真半空間に関して誤分類誤差$epsilon$を達成するアルゴリズムを与える。
  論文  参考訳（メタデータ） (2020-06-11T14:25:02Z)

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。