論文の概要: Multi-parameter quantum estimation of single- and two-mode pure Gaussian states

• arxiv url: http://arxiv.org/abs/2403.03919v1
• Date: Wed, 6 Mar 2024 18:29:17 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-07 14:05:42.123033
• Title: Multi-parameter quantum estimation of single- and two-mode pure Gaussian states
• Title（参考訳）: 単一および2モード純粋ガウス状態のマルチパラメータ量子推定
• Authors: Gabriele Bressanini, Marco G. Genoni, M.S. Kim and Matteo G. A. Paris
• Abstract要約: 本研究では, 単モードおよび2モード圧縮状態を特徴付ける変位パラメータとスクイーズパラメータの両方に対して, Holevo Cram'er-Rao bound (HCRB) を導出した。 単モードのシナリオでは、解析的境界を求め、スクイージングが増加するにつれて単調に劣化する。 2モード設定では、スキューズパラメータが大きくなるにつれてHCRBが向上し、二重ホモジン検出により達成できることが示される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We discuss the ultimate precision bounds on the multiparameter estimation of single- and two-mode pure Gaussian states. By leveraging on previous approaches that focused on the estimation of a complex displacement only, we derive the Holevo Cram\'er-Rao bound (HCRB) for both displacement and squeezing parameter characterizing single and two-mode squeezed states. In the single-mode scenario, we obtain an analytical bound and find that it degrades monotonically as the squeezing increases. Furthermore, we prove that heterodyne detection is nearly optimal in the large squeezing limit, but in general the optimal measurement must include non-Gaussian resources. On the other hand, in the two-mode setting, the HCRB improves as the squeezing parameter grows and we show that it can be attained using double-homodyne detection.
• Abstract（参考訳）: 単モードおよび二モード純粋ガウス状態のマルチパラメータ推定における究極の精度境界について考察する。 複素変位のみを推定することに焦点をあてた従来の手法を利用して, 単モードおよび2モードの圧縮状態を特徴付ける変位およびスクイーズパラメータのホレボ・クラム・ラオ境界(HCRB)を導出する。 単モードのシナリオでは、解析的境界を求め、スクイージングが増加するにつれて単調に劣化する。 さらに, ヘテロダイン検出は大きなスクイーズ限界においてほぼ最適であるが, 一般には非ガウス的資源を含む必要がある。 一方,2モード設定では,スキーズパラメータが大きくなるにつれてHCRBが向上し,二重ホモジン検出により達成できることを示す。

関連論文リスト

• Superresolution in separation estimation between two dynamic incoherent sources using spatial demultiplexing [0.0]
  近年、ハーマイト・ガウスモードにおける空間モード除算(SPADE)に基づく完全な測定により、2つの弱い不整合定常源の分離を推定する精度の量子限界に達した。 本稿では、ソースの定常性に関する仮定を捨てて、完璧な設定から別の逸脱を考える。 定常源シナリオにおける推定パラメータの1つを削減できる測定アルゴリズムを定式化する。
  論文  参考訳（メタデータ） (2024-07-15T07:57:57Z)
• Learning with Norm Constrained, Over-parameterized, Two-layer Neural Networks [54.177130905659155]
  近年の研究では、再生カーネルヒルベルト空間(RKHS)がニューラルネットワークによる関数のモデル化に適した空間ではないことが示されている。 本稿では,有界ノルムを持つオーバーパラメータ化された2層ニューラルネットワークに適した関数空間について検討する。
  論文  参考訳（メタデータ） (2024-04-29T15:04:07Z)
• High Precision Multi-parameter Weak Measurement with Hermite-Gaussian Pointer [5.647409913773762]
  本稿では,高次Hermite-Gaussianポインタと量子フィッシャー情報行列を用いた一般的な弱い測定形式について検討する。 我々のスキームの最終的な精度は、n がエルミート・ガウスモードの順序である 2n+1 の平方根の係数によって改善される。
  論文  参考訳（メタデータ） (2023-10-10T13:13:20Z)
• Targeted Separation and Convergence with Kernel Discrepancies [66.48817218787006]
  カーネルベースの不一致測度は、(i)ターゲットPを他の確率測度から分離するか、(ii)Pへの弱収束を制御する必要がある。 本稿では, (i) と (ii) を保証するのに十分な,必要な新しい条件を導出する。 可分距離空間上のMDDに対して、ボヒナー埋め込み可測度を分離するカーネルを特徴づけ、すべての測度を非有界カーネルと分離するための単純な条件を導入する。
  論文  参考訳（メタデータ） (2022-09-26T16:41:16Z)
• Ultimate precision of joint parameter estimation under noisy Gaussian environment [0.0]
  環境ノイズのない特定の量子プロトコルでは、マルチパラメータ量子推定の究極感度が標準量子限界を超えることがある。 我々は、ガウスプローブ状態に還元した後、一般的な2モード混合圧縮熱状態に焦点をあてた。 遠絡状態である2モード純加圧真空と2モード混合加圧熱がプローブ状態として用いられる場合、HCRBの上下境界はノイズ環境下での標準量子限界を破る。
  論文  参考訳（メタデータ） (2022-03-18T10:36:15Z)
• On the Double Descent of Random Features Models Trained with SGD [78.0918823643911]
  勾配降下(SGD)により最適化された高次元におけるランダム特徴(RF)回帰特性について検討する。 本研究では, RF回帰の高精度な非漸近誤差境界を, 定常および適応的なステップサイズSGD設定の下で導出する。 理論的にも経験的にも二重降下現象を観察する。
  論文  参考訳（メタデータ） (2021-10-13T17:47:39Z)
• Scalable Variational Gaussian Processes via Harmonic Kernel Decomposition [54.07797071198249]
  汎用性を維持しつつ高い忠実度近似を提供する,スケーラブルな変分ガウス過程近似を導入する。 様々な回帰問題や分類問題において,本手法は変換やリフレクションなどの入力空間対称性を活用できることを実証する。 提案手法は, 純粋なGPモデルのうち, CIFAR-10 の最先端化を実現する。
  論文  参考訳（メタデータ） (2021-06-10T18:17:57Z)
• Exact Recovery in the General Hypergraph Stochastic Block Model [92.28929858529679]
  本稿では,d-uniform hypergraph block model(d-HSBM)の正確な回復の基本的な限界について検討する。 精度の高いしきい値が存在し、正確な回復がしきい値の上に達成でき、その下には不可能であることを示す。
  論文  参考訳（メタデータ） (2021-05-11T03:39:08Z)
• Bayesian multiscale deep generative model for the solution of high-dimensional inverse problems [0.0]
  深層確率的生成モデルに基づく新しいマルチスケールベイズ推論手法が導入された。 この方法は、安定性、効率、精度を示しながら、高次元パラメータ推定を可能にする。
  論文  参考訳（メタデータ） (2021-02-04T11:47:21Z)
• Sparse Representations of Positive Functions via First and Second-Order Pseudo-Mirror Descent [15.340540198612823]
  推定器の範囲が非負である必要がある場合、予測されるリスク問題を考察する。 Emphpseudo-gradientsを用いた近似ミラーの1階および2階の変種を開発した。 実験は、実際に不均一なプロセス強度推定に好適な性能を示す。
  論文  参考訳（メタデータ） (2020-11-13T21:54:28Z)
• Sample Complexity Bounds for 1-bit Compressive Sensing and Binary Stable Embeddings with Generative Priors [52.06292503723978]
  生成モデルを用いた圧縮センシングの進歩により, 生成モデルを用いた1ビット圧縮センシングの問題点を考察した。 まずノイズのない1ビット測定を考察し, ガウス測度に基づく近似回復のためのサンプル複雑性境界を提供する。 また,リプシッツ連続生成モデルを用いた1ビット圧縮センシングにも有効であることを示すため,評価誤差と雑音に対する再構成の堅牢性を示すBinary $epsilon$-Stable Embedding特性を実証した。
  論文  参考訳（メタデータ） (2020-02-05T09:44:10Z)

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。