論文の概要: Haar-random and pretty good measurements for Bayesian state estimation
- arxiv url: http://arxiv.org/abs/2310.20565v1
- Date: Tue, 31 Oct 2023 15:54:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-01 14:31:40.651573
- Title: Haar-random and pretty good measurements for Bayesian state estimation
- Title（参考訳）: ベイズ状態推定のためのハールランダムとかなり良い測定
- Authors: Maria Quadeer
- Abstract要約: 我々は、$N$-updates Bayesian アルゴリズムの下で異なる状態のアンサンブルを考える。
我々は、純状態の均一なアンサンブルに対して、そのようなランダムな測定基地のID系列の平均忠実度を求める。
単発更新については、Petzリカバリ対応をかなり良い測定に用いて、ベイズ平均推定をかなり良いものにすることができると論じる。
- 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: We study Haar-random orthonormal bases and pretty good measurement as
measurement choices for Bayesian state estimation. We consider different
ensembles of states under an $N$-updates Bayesian algorithm given $N$
Haar-random measurement bases. We obtain a bound on fidelity averaged over IID
sequences of such random measurement bases for a uniform ensemble of pure
states. We also find that Clifford unitaries can only give a weak lower bound
for average fidelity in contrast to Haar random unitaries for ensembles of
mixed qubit states. For a single-shot-update, we argue using the Petz recovery
correspondence for pretty good measurement that it can give pretty good
Bayesian mean estimates.
- Abstract（参考訳）: ベイズ状態推定のための測定基準としてhaar-random正規直交基底とかなり良い測定値について検討した。
我々は、n$ haar-random 測定ベースを与えられた、更新ベイズアルゴリズムで異なる状態のアンサンブルを考える。
我々は、純状態の均一なアンサンブルに対して、そのようなランダムな測定基地のID系列の平均忠実度を求める。
また、クリフォードユニタリは、混合量子ビット状態のアンサンブルに対するハールランダムユニタリとは対照的に、平均忠実度に対して弱い下界しか与えられない。
単発更新については、Petzリカバリ対応をかなり良い測定に用いて、ベイズ平均推定をかなり良いものにすることができると論じる。
関連論文リスト
- In-Context Parametric Inference: Point or Distribution Estimators? [66.22308335324239]
償却点推定器は一般に後部推論より優れているが、後者は低次元問題では競争力がある。
実験の結果, 償却点推定器は一般に後部推定より優れているが, 後者は低次元問題では競争力があることがわかった。
論文 参考訳（メタデータ） (2025-02-17T10:00:24Z) - Efficient Sampling for Pauli Measurement-Based Shadow Tomography in Direct Fidelity Estimation [4.513787113118679]
同様の戦略は古典的な影から導き出すことができる。
具体的には,GHZおよびW状態を用いてDFEを行うために,パウリ測定を用いた効率的な手法について述べる。
論文 参考訳（メタデータ） (2025-01-07T04:09:13Z) - Average randomness verification in sets of quantum states via observables [4.289151408389622]
我々は、量子状態の集合$S$とハールランダム分布の$t$-モーメントとの整合性を検証する階層的テスト、平均ランダム性を示す。
可観測物の置換とユニタリ等価ランダム化により、平均乱数解析を拡張して、$S$と$t$-designsの互換性を統計的に検証することができる。
論文 参考訳（メタデータ） (2024-04-24T21:11:58Z) - The role of shared randomness in quantum state certification with
unentangled measurements [36.19846254657676]
非絡み合った量子測定を用いて量子状態認証を研究する。
$Theta(d2/varepsilon2)$コピーが必要である。
我々は固定化とランダム化の両方のための統一された下界フレームワークを開発する。
論文 参考訳（メタデータ） (2024-01-17T23:44:52Z) - Conformal Nucleus Sampling [67.5232384936661]
最上位のp$集合が、様々な言語文脈における確率的意味と実際に一致しているかを評価する。
OPTモデルは過信であり、キャリブレーションはモデルサイズで適度な逆スケーリングを示す。
論文 参考訳（メタデータ） (2023-05-04T08:11:57Z) - Double Robust Bayesian Inference on Average Treatment Effects [2.458652618559425]
不整合下での平均処理効果(ATE)に対する二重頑健なベイズ推定法を提案する。
新しいベイズ的アプローチでは、まず条件付き平均関数の事前分布を調整し、得られた ATE の後方分布を補正する。
論文 参考訳（メタデータ） (2022-11-29T15:32:25Z) - Shortcomings of Top-Down Randomization-Based Sanity Checks for
Evaluations of Deep Neural Network Explanations [67.40641255908443]
モデルランダム化に基づく正当性チェックの限界を,説明書の評価のために同定する。
トップダウンモデルランダム化は、フォワードパスアクティベーションのスケールを高い確率で保存する。
論文 参考訳（メタデータ） (2022-11-22T18:52:38Z) - Instance-Optimal Compressed Sensing via Posterior Sampling [101.43899352984774]
後部サンプリング推定器がほぼ最適回復保証を達成できることを示す。
本稿では,Langevin dynamics を用いた深部生成前駆体の後方サンプリング推定器を実装し,MAP よりも精度の高い推定値が得られることを実証的に見出した。
論文 参考訳（メタデータ） (2021-06-21T22:51:56Z) - Bayesian parameter estimation using Gaussian states and measurements [0.0]
連続変数量子距離論における3つのパラダイム的推定スキームについて考察する。
ホモダインおよびヘテロダイン検出において,単一モードガウス状態で達成可能な精度について検討した。
これにより、優れた性能と単純な実験的実現の可能性を組み合わせたベイズ推定戦略を特定できる。
論文 参考訳（メタデータ） (2020-09-08T12:54:12Z) - Nonparametric Estimation of the Fisher Information and Its Applications [82.00720226775964]
本稿では,大きさn$のランダムサンプルからフィッシャー情報の位置推定の問題について考察する。
Bhattacharyaにより提案された推定器を再検討し、収束率の向上を導出する。
クリッピング推定器と呼ばれる新しい推定器を提案する。
論文 参考訳（メタデータ） (2020-05-07T17:21:56Z) - Distributionally Robust Bayesian Quadrature Optimization [60.383252534861136]
確率分布が未知な分布の不確実性の下でBQOについて検討する。
標準的なBQOアプローチは、固定されたサンプル集合が与えられたときの真の期待目標のモンテカルロ推定を最大化する。
この目的のために,新しい後方サンプリングに基づくアルゴリズム,すなわち分布的に堅牢なBQO(DRBQO)を提案する。
論文 参考訳（メタデータ） (2020-01-19T12:00:33Z)
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。