論文の概要: On the bias in iterative quantum amplitude estimation
- arxiv url: http://arxiv.org/abs/2311.16560v2
- Date: Fri, 28 Jun 2024 09:00:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-01 22:04:23.459001
- Title: On the bias in iterative quantum amplitude estimation
- Title（参考訳）: 反復量子振幅推定におけるバイアスについて
- Authors: Koichi Miyamoto,
- Abstract要約: 本稿では,反復型量子振幅推定(IQAE)のバイアスについて検討する。
IQAEは偏りがあり、その偏りは特定の値の$a$に対して高められることを示す。
最終ラウンドをグロバー数とショット数で再実行するだけで、バイアス軽減法を提案する。
- 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: Quantum amplitude estimation (QAE) is a pivotal quantum algorithm to estimate the squared amplitude $a$ of the target basis state in a quantum state $|\Phi\rangle$. Various improvements on the original quantum phase estimation-based QAE have been proposed for resource reduction. One of such improved versions is iterative quantum amplitude estimation (IQAE), which outputs an estimate $\hat{a}$ of $a$ through the iterated rounds of the measurements on the quantum states like $G^k|\Phi\rangle$, with the number $k$ of operations of the Grover operator $G$ (the Grover number) and the shot number determined adaptively. This paper investigates the bias in IQAE. Through the numerical experiments to simulate IQAE, we reveal that the estimate by IQAE is biased and the bias is enhanced for some specific values of $a$. We see that the termination criterion in IQAE that the estimated accuracy of $\hat{a}$ falls below the threshold is a source of the bias. Besides, we observe that $k_\mathrm{fin}$, the Grover number in the final round, and $f_\mathrm{fin}$, a quantity affecting the probability distribution of measurement outcomes in the final round, are the key factors to determine the bias, and the bias enhancement for specific values of $a$ is due to the skewed distribution of $(k_\mathrm{fin},f_\mathrm{fin})$. We also present a bias mitigation method: just re-executing the final round with the Grover number and the shot number fixed.
- Abstract（参考訳）: 量子振幅推定(QAE)は、ターゲット基底状態の平方振幅$a$を量子状態$|\Phi\rangle$で推定する中心量子アルゴリズムである。
元の量子位相推定に基づくQAEの様々な改善が、資源削減のために提案されている。
このような改良されたバージョンの一つがイテレーティブ量子振幅推定(IQAE)であり、G^k|\Phi\rangle$のような量子状態における測定の反復ラウンドを通じて$\hat{a}$の$a$を出力し、Grover演算子$G$(グロバー数)の演算数とショット番号を適応的に決定する。
本稿ではIQAEのバイアスについて検討する。
IQAEをシミュレートする数値実験により、IQAEの推定値にバイアスがかかり、ある特定の値が$a$に対してバイアスが強化されることが明らかになった。
IQAEの終端基準は、$\hat{a}$の推定精度が閾値より下降していることがバイアスの源であることが分かる。
さらに、最終ラウンドにおけるGrover数である$k_\mathrm{fin}$と、最終ラウンドにおける測定結果の確率分布に影響を与える$f_\mathrm{fin}$はバイアスを決定する重要な要素であり、a$の特定の値に対するバイアスの増大は、$(k_\mathrm{fin},f_\mathrm{fin})$の歪分布に起因する。
また, 最終ラウンドをグロバー数とショット数で再実行するだけで, バイアス緩和法を提案する。
関連論文リスト
- Mind the Gap: A Causal Perspective on Bias Amplification in Prediction & Decision-Making [58.06306331390586]
本稿では,閾値演算による予測値がS$変化の程度を測るマージン補数の概念を導入する。
適切な因果仮定の下では、予測スコア$S$に対する$X$の影響は、真の結果$Y$に対する$X$の影響に等しいことを示す。
論文 参考訳（メタデータ） (2024-05-24T11:22:19Z) - Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
我々は、$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) - Quantum Metropolis-Hastings algorithm with the target distribution
calculated by quantum Monte Carlo integration [0.0]
MCMCの量子アルゴリズムが提案され、古典的なスペクトルギャップに対して$Delta$の2次スピードアップが得られる。
我々は状態生成だけでなく、ベイズ推定における共通課題であるパラメータの信頼区間も見いだすと考えている。
提案した信頼区間計算法では、$Delta$で$ell$スケールを計算するための量子回路へのクエリ数、$epsilon$で必要な精度$epsilon$、および標準偏差$sigma$$$ $ell$ as $tildeO(sigma/epsilonを演算する。
論文 参考訳（メタデータ） (2023-03-10T01:05:16Z) - Parameter Estimation with Reluctant Quantum Walks: a Maximum Likelihood
approach [0.0]
コインアクションが提示され、実際のパラメータ$theta$が推定される。
k$ の場合、その確率は $d/k$ の比で決定された変位で鋭くピークとなることを示す。
論文 参考訳（メタデータ） (2022-02-24T00:51:17Z) - Quantum Multi-Parameter Adaptive Bayesian Estimation and Application to
Super-Resolution Imaging [1.4222887950206657]
量子センシングタスクでは、ユーザは$rho_theta$($theta$をエンコードする量子状態)を得る。
Personick氏はすべての可能な測定値に対してMMSEを最小限に抑える最適なPOVM $Pi_l$を発見した。
1971年のこの結果は量子フィッシャー情報(QFI)よりも広く知られておらず、これは偏りのない推定器のばらつきを低くしている。
論文 参考訳（メタデータ） (2022-02-21T04:12:55Z) - Polyak-Ruppert Averaged Q-Leaning is Statistically Efficient [90.14768299744792]
我々はPolyak-Ruppert 平均 Q-leaning (平均 Q-leaning) を用いた同期 Q-learning を$gamma$-discounted MDP で検討した。
繰り返し平均$barboldsymbolQ_T$に対して正規性を確立する。
要するに、我々の理論分析は、Q-Leaningの平均は統計的に効率的であることを示している。
論文 参考訳（メタデータ） (2021-12-29T14:47:56Z) - Random quantum circuits transform local noise into global white noise [118.18170052022323]
低忠実度状態におけるノイズランダム量子回路の測定結果の分布について検討する。
十分に弱くユニタリな局所雑音に対して、一般的なノイズ回路インスタンスの出力分布$p_textnoisy$間の相関(線形クロスエントロピーベンチマークで測定)は指数関数的に減少する。
ノイズが不整合であれば、出力分布は、正確に同じ速度で均一分布の$p_textunif$に近づく。
論文 参考訳（メタデータ） (2021-11-29T19:26:28Z) - Phase Estimation of Local Hamiltonians on NISQ Hardware [6.0409040218619685]
量子位相推定問題(QEEP)として知られる[Somma 2019]によって設定された量子位相推定(QPE)の結合バージョンについて検討する。
このフレームワーク内では,このアルゴリズムの最小2ビンのインスタンスを桁違いに実行することのできるしきい値を削減することができる。
我々はランダム化量子固有値推定問題(rQeep)と呼ばれるアプリケーションを提案する。
論文 参考訳（メタデータ） (2021-10-26T11:33:54Z) - Understanding the Under-Coverage Bias in Uncertainty Estimation [58.03725169462616]
量子レグレッションは、現実の望ましいカバレッジレベルよりもアンファンダーカバー(enmphunder-cover)する傾向がある。
我々は、量子レグレッションが固有のアンダーカバーバイアスに悩まされていることを証明している。
我々の理論は、この過大被覆バイアスが特定の高次元パラメータ推定誤差に起因することを明らかにしている。
論文 参考訳（メタデータ） (2021-06-10T06:11:55Z) - Sample Complexity of Asynchronous Q-Learning: Sharper Analysis and
Variance Reduction [63.41789556777387]
非同期Q-ラーニングはマルコフ決定過程(MDP)の最適行動値関数(またはQ-関数)を学習することを目的としている。
Q-関数の入出力$varepsilon$-正確な推定に必要なサンプルの数は、少なくとも$frac1mu_min (1-gamma)5varepsilon2+ fract_mixmu_min (1-gamma)$の順である。
論文 参考訳（メタデータ） (2020-06-04T17:51:00Z) - Self-Organized Error Correction in Random Unitary Circuits with
Measurement [0.0]
我々は、体積法エンタングルメントエントロピーに対する普遍的で従属的な対数的寄与を定量化する。
我々は、$A$ の絡み合いに対して、qudit を$A$ の奥深くで測定することは無視できる。
ボリュームロー状態は、量子誤り訂正符号におけるページ状態の符号化であると仮定する。
論文 参考訳（メタデータ） (2020-02-27T19:00:42Z)
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。