Fugu-MT 論文翻訳(概要): Generating random Gaussian states

論文の概要: Generating random Gaussian states

arxiv url: http://arxiv.org/abs/2401.13435v1
Date: Wed, 24 Jan 2024 13:06:57 GMT
ステータス: 処理完了
システム内更新日: 2024-01-25 14:28:42.587988
Title: Generating random Gaussian states
Title（参考訳）: ランダムガウス状態の生成
Authors: Leevi Lepp\"aj\"arvi, Ion Nechita, Ritabrata Sengupta
Abstract要約: RQCMの固有値は、多数のモードの極限においてシフト半円分布に収束することを示す。 RQCMのシンプレクティック固有値は、自由確率を用いて特徴づけられる確率分布に収束することを示す。
参考スコア（独自算出の注目度）: 0.4604003661048266
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We develop a method for the random sampling of (multimode) Gaussian states in terms of their covariance matrix, which we refer to as a random quantum covariance matrix (RQCM). We analyze the distribution of marginals and demonstrate that the eigenvalues of an RQCM converge to a shifted semicircular distribution in the limit of a large number of modes. We provide insights into the entanglement of such states based on the positive partial transpose (PPT) criteria. Additionally, we show that the symplectic eigenvalues of an RQCM converge to a probability distribution that can be characterized using free probability. We present numerical estimates for the probability of a RQCM being separable and, if not, its extendibility degree, for various parameter values and mode bipartitions.
Abstract（参考訳）: 確率量子共分散行列 (RQCM) と呼ぶ共分散行列を用いて, ガウス状態のランダムサンプリング法を開発した。本研究では,RQCMの固有値が,多数のモードの極限においてシフト半円分布に収束することを示す。正部分転位(PPT)基準に基づいて,そのような状態の絡み合いに関する洞察を提供する。さらに、RQCMのシンプレクティック固有値は、自由確率を用いて特徴づけられる確率分布に収束することを示す。 RQCMが分離可能で、そうでなくても、様々なパラメータ値とモード分割に対して、その拡張可能性度を数値的に推定する。

関連論文リスト

Differentiability and Approximation of Probability Functions under Gaussian Mixture Models: A Bayesian Approach [0.0]
ガウス混合モデルに関連する確率関数について検討する。条件付き確率分布を用いて確率関数をユークリッド球面上の積分として表現する。パラメータ空間とユークリッド球面上のランダムサンプリングを用いて確率関数を近似する。
論文参考訳（メタデータ） (2024-11-05T01:36:27Z)
Distributional Matrix Completion via Nearest Neighbors in the Wasserstein Space [8.971989179518216]
わずかに観察された経験的分布の行列を考えると、観測された行列と観測されていない行列の両方に関連する真の分布をインプットしようと試みる。最適輸送のツールを用いて、最も近い隣人法を分布設定に一般化する。
論文参考訳（メタデータ） (2024-10-17T00:50:17Z)
Policy Evaluation in Distributional LQR [70.63903506291383]
ランダムリターンの分布を閉形式で表現する。この分布は有限個の確率変数で近似できることを示す。近似回帰分布を用いて,リスク・アバースLQRに対するゼロ階ポリシー勾配アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-03-23T20:27:40Z)
Limit distribution of partial transposition of block random matrices [7.3810864598379755]
対応する確率変数の自由累積関係を求める。応用として、我々は共完全正およびk-正の写像の新しい族を導出することができる。
論文参考訳（メタデータ） (2023-03-18T13:45:21Z)
Characteristic Function of the Tsallis $q$-Gaussian and Its Applications in Measurement and Metrology [0.0]
ツァリス$q$-ガウス分布は標準ガウス分布の強力な一般化である。本稿では,独立な$q$-ガウス確率変数の線形結合の特性について述べる。これは不確実性解析のためのモンテカルロ法に代わる計算手順を提供する。
論文参考訳（メタデータ） (2023-03-15T13:42:35Z)
Ensemble Multi-Quantiles: Adaptively Flexible Distribution Prediction for Uncertainty Quantification [4.728311759896569]
本稿では,機械学習における不確実性を定量化するために,分布予測の新しい,簡潔かつ効果的な手法を提案する。これは回帰タスクにおいて$mathbbP(mathbfy|mathbfX=x)$の適応的に柔軟な分布予測を組み込む。 UCIデータセットからの大規模な回帰タスクでは、EMQが最先端のパフォーマンスを達成することを示す。
論文参考訳（メタデータ） (2022-11-26T11:45:32Z)
Wrapped Distributions on homogeneous Riemannian manifolds [58.720142291102135]
パラメータ、対称性、モダリティなどの分布の性質の制御は、フレキシブルな分布の族を生み出す。変動型オートエンコーダと潜在空間ネットワークモデル内で提案した分布を利用して,我々のアプローチを実証的に検証する。
論文参考訳（メタデータ） (2022-04-20T21:25:21Z)
Efficient CDF Approximations for Normalizing Flows [64.60846767084877]
正規化フローの微分同相性に基づいて、閉領域上の累積分布関数(CDF)を推定する。一般的なフローアーキテクチャとUCIデータセットに関する実験は,従来の推定器と比較して,サンプル効率が著しく向上したことを示している。
論文参考訳（メタデータ） (2022-02-23T06:11:49Z)
A Note on Optimizing Distributions using Kernel Mean Embeddings [94.96262888797257]
カーネル平均埋め込みは、その無限次元平均埋め込みによる確率測度を表す。カーネルが特徴的である場合、カーネルの総和密度を持つ分布は密度が高いことを示す。有限サンプル設定でそのような分布を最適化するアルゴリズムを提供する。
論文参考訳（メタデータ） (2021-06-18T08:33:45Z)
Generalized Sliced Distances for Probability Distributions [47.543990188697734]
我々は、一般化スライス確率測定(GSPM)と呼ばれる、幅広い確率測定値の族を紹介する。 GSPMは一般化されたラドン変換に根付いており、ユニークな幾何学的解釈を持つ。 GSPMに基づく勾配流を生成モデル応用に適用し、軽度な仮定の下では、勾配流が大域的最適に収束することを示す。
論文参考訳（メタデータ） (2020-02-28T04:18:00Z)
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。