論文の概要: Precision measurement for open systems by non-hermitian linear response

• arxiv url: http://arxiv.org/abs/2406.11287v2
• Date: Sat, 28 Sep 2024 09:09:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-01 21:58:49.450840
• Title: Precision measurement for open systems by non-hermitian linear response
• Title（参考訳）: 非エルミート線形応答による開系の精密測定
• Authors: Peng Xu, Gang Chen,
• Abstract要約: まず、散逸パラメータに対する推定精度の低い境界について、いくつかの一般的な結果を得る。 この下界は、符号化散逸作用素と進化時間との相関関係に関係している。
• 参考スコア（独自算出の注目度）: 9.087477434347218
• License:
• Abstract: The lower bound of estimated precision for a coherent parameter unitarily encoded in closed systems has been obtained, and such a lower bound is inversely proportional to the fluctuation of the encoding operator. In this paper, we first derive some general results regarding the lower bound of estimated precision for a dissipative parameter, which is non-unitarily encoded in open systems, by combining the law of error propagation and the non-hermitian linear response theory. This lower bound is related to the correlation of the encoding dissipative operator and the evolution time. We next demonstrate the utility of our general results by considering three different kinds of non-unitary encoding processes, including particle loss, relaxation, and dephasing. We finally compare the lower bound with the quantum Fisher information obtained by tomography and find they are consistent in the regime where the non-hermitian linear response applies. This lower bound can guide us to find the optimal initial states and detecting operators to significantly simplify the measurement process.
• Abstract（参考訳）: 閉系に一元的に符号化されたコヒーレントパラメータに対する推定精度の下限が得られ、その下限は符号化演算子のゆらぎに逆比例する。 本稿ではまず,非一意的に符号化された散逸パラメータに対する推定精度の低い境界について,誤差伝播の法則と非エルミート線形応答理論を組み合わせることで,いくつかの一般結果を得る。 この下界は、符号化散逸作用素と進化時間との相関関係に関係している。 次に, 粒子損失, 緩和, 軽視を含む3種類の非単位符号化プロセスを検討することで, 一般結果の有用性を実証する。 最終的に、トモグラフィーによって得られた量子フィッシャー情報と比較し、非エルミート線形応答が適用される状態において整合性があることを見出した。 この下界は、最適初期状態を見つけ、演算子を検出し、測定プロセスを著しく単純化する。

関連論文リスト

• Error Feedback under $(L_0,L_1)$-Smoothness: Normalization and Momentum [56.37522020675243]
  機械学習の幅広い問題にまたがる正規化誤差フィードバックアルゴリズムに対する収束の最初の証明を提供する。 提案手法では,許容可能なステップサイズが大きくなったため,新しい正規化エラーフィードバックアルゴリズムは,各種タスクにおける非正規化エラーよりも優れていた。
  論文  参考訳（メタデータ） (2024-10-22T10:19:27Z)
• Moment expansion method for composite open quantum systems including a damped oscillator mode [0.0]
  本研究では,対象系の密度行列と二次作用素の低次モーメントを計算する数値計算法を開発した。 光学的手法の適用により,計算コストを大幅に削減して相関関数を正確に計算できることが示されている。
  論文  参考訳（メタデータ） (2023-11-10T15:29:34Z)
• Robust Low-Rank Matrix Completion via a New Sparsity-Inducing Regularizer [30.920908325825668]
  本稿では,ハイブリッド常連Welsch (HOW) に新たな損失関数を提案する。
  論文  参考訳（メタデータ） (2023-10-07T09:47:55Z)
• The Inductive Bias of Flatness Regularization for Deep Matrix Factorization [58.851514333119255]
  この研究は、ディープ線形ネットワークにおけるヘッセン解の最小トレースの帰納バイアスを理解するための第一歩となる。 測定値の標準等尺性(RIP)が1より大きいすべての深さについて、ヘッセンのトレースを最小化することは、対応する終端行列パラメータのシャッテン 1-ノルムを最小化するのとほぼ同値であることを示す。
  論文  参考訳（メタデータ） (2023-06-22T23:14:57Z)
• Structural aspects of FRG in quantum tunnelling computations [68.8204255655161]
  一次元の4次元高調波発振器とダブルウェルポテンシャルの両方を探索する。 ポテンシャルV_k(varphi)と波動関数再正規化Z_k(varphi)の2つの偏微分方程式について検討した。
  論文  参考訳（メタデータ） (2022-06-14T15:23:25Z)
• System Identification via Nuclear Norm Regularization [44.9687872697492]
  本稿では,ハンケル核ノルム正規化による低次線形系同定問題について検討する。 この正規化に関する新しい統計解析を提供し、非正規化常用最小二乗推定器(OLS)と慎重に対比する。
  論文  参考訳（メタデータ） (2022-03-30T20:56:27Z)
• Understanding Implicit Regularization in Over-Parameterized Single Index Model [55.41685740015095]
  我々は高次元単一インデックスモデルのための正規化自由アルゴリズムを設計する。 暗黙正則化現象の理論的保証を提供する。
  論文  参考訳（メタデータ） (2020-07-16T13:27:47Z)
• One-Bit Compressed Sensing via One-Shot Hard Thresholding [7.594050968868919]
  1ビット圧縮センシングの問題は、いくつかのバイナリ測定からスパース信号を推定することである。 広範に使われている非制約の幅の概念から遠ざかる、斬新で簡潔な分析法を提案する。
  論文  参考訳（メタデータ） (2020-07-07T17:28:03Z)
• Log-Likelihood Ratio Minimizing Flows: Towards Robust and Quantifiable Neural Distribution Alignment [52.02794488304448]
  そこで本研究では,対数様比統計量と正規化フローに基づく新しい分布アライメント手法を提案する。 入力領域の局所構造を保存する領域アライメントにおいて,結果の最小化を実験的に検証する。
  論文  参考訳（メタデータ） (2020-03-26T22:10:04Z)
• 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。