Fugu-MT 論文翻訳(概要): Haar-random and pretty good measurements for Bayesian state estimation

論文の概要: Haar-random and pretty good measurements for Bayesian state estimation

arxiv url: http://arxiv.org/abs/2310.20565v2
Date: Wed, 5 Jun 2024 04:17:00 GMT
ステータス: 処理完了
システム内更新日: 2024-06-07 04:05:59.076273
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、純状態の均一なアンサンブルに対して、IDD列のランダムな測定値の平均忠実度を導出する。混合量子状態のアンサンブルに対して、ユニタリな2-設計で定義される測定値がハールランダムなユニタリで定義される値と密接に近似していることが分かる。単発更新では、Petzリカバリマップを用いて、かなり良いベイズ平均推定値が得られることを示す。
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 bases and pretty good measurement for Bayesian state estimation. Given $N$ Haar-random bases we derive a bound on fidelity averaged over IID sequences of such random measurements for a uniform ensemble of pure states. For ensembles of mixed qubit states, we find that measurements defined through unitary 2-designs closely approximate those defined via Haar random unitaries while the Pauli group only gives a weak lower bound. For a single-shot-update, we show using the Petz recovery map for pretty good measurement that it can give pretty good Bayesian mean estimates.
Abstract（参考訳）: 本研究では,Haar-random基底とベイズ状態推定法について検討した。 N$ Haar-random基底が与えられたとき、純粋な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のIDD列上で平均化された忠実度に束縛される。混合量子状態のアンサンブルに対して、ユニタリな2-設計によって定義される測度は、ハールランダムなユニタリ(英語版)(Haar random unitary)によって定義されるものに近いが、パウリ群は弱い下界のみを与える。単発更新では、Petzリカバリマップを用いて、かなり良いベイズ平均推定値が得られることを示す。

関連論文リスト

Verifying randomness in sets of quantum states via observables [4.289151408389622]
本研究では,Haar-randomnessがディリクレ分布と結びついていることを示し,統計モーメントの閉形式表現と単純な境界を与える。この計量を置換とユニタリ同値な可観測性に一般化し、拡張平均ランダム性がハールランダム分布と互換性があるならば、状態の集合は概してハールランダムである。
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$集合が、様々な言語文脈における確率的意味と実際に一致しているかを評価する。 OPTモデルは過信であり、キャリブレーションはモデルサイズで適度な逆スケーリングを示す。
論文参考訳（メタデータ） (2023-05-04T08:11:57Z)
Double Robust Bayesian Inference on Average Treatment Effects [2.458652618559425]
不整合下での平均処理効果(ATE)に対する二重頑健なベイズ推定法を提案する。新しいベイズ的アプローチでは、まず条件付き平均関数の事前分布を調整し、得られた ATE の後方分布を補正する。
論文参考訳（メタデータ） (2022-11-29T15:32:25Z)
Shortcomings of Top-Down Randomization-Based Sanity Checks for Evaluations of Deep Neural Network Explanations [67.40641255908443]
モデルランダム化に基づく正当性チェックの限界を,説明書の評価のために同定する。トップダウンモデルランダム化は、フォワードパスアクティベーションのスケールを高い確率で保存する。
論文参考訳（メタデータ） (2022-11-22T18:52:38Z)
Testing randomness of series generated in Bell's experiment [62.997667081978825]
おもちゃの光ファイバーをベースとしたセットアップを用いてバイナリシリーズを生成し、そのランダム度をVilleの原理に従って評価する。標準統計指標の電池、ハースト、コルモゴロフ複雑性、最小エントロピー、埋め込みのTakensarity次元、および拡張ディッキー・フラーとクワイアトコフスキー・フィリップス・シュミット・シン(英語版)でテストされ、ステーション指数をチェックする。 Toeplitz 抽出器を不規則級数に適用することにより得られる系列のランダム性のレベルは、非還元原料のレベルと区別できない。
論文参考訳（メタデータ） (2022-08-31T17:39:29Z)
Scalable estimation of pure multi-qubit states [0.0]
帰納的$n$-qubit純状態推定法を提案する。提案手法は,他の推定法と比較して,キュービット数のスケーリングに非常に適している。提案手法をIBMの量子プロセッサの1つで実験的に実証した。
論文参考訳（メタデータ） (2021-07-12T19:02:56Z)
Instance-Optimal Compressed Sensing via Posterior Sampling [101.43899352984774]
後部サンプリング推定器がほぼ最適回復保証を達成できることを示す。本稿では,Langevin dynamics を用いた深部生成前駆体の後方サンプリング推定器を実装し,MAP よりも精度の高い推定値が得られることを実証的に見出した。
論文参考訳（メタデータ） (2021-06-21T22:51:56Z)
Bayesian parameter estimation using Gaussian states and measurements [0.0]
連続変数量子距離論における3つのパラダイム的推定スキームについて考察する。ホモダインおよびヘテロダイン検出において,単一モードガウス状態で達成可能な精度について検討した。これにより、優れた性能と単純な実験的実現の可能性を組み合わせたベイズ推定戦略を特定できる。
論文参考訳（メタデータ） (2020-09-08T12:54:12Z)
Nonparametric Estimation of the Fisher Information and Its Applications [82.00720226775964]
本稿では,大きさn$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。