Fugu-MT 論文翻訳(概要): Distinguishing a maximally entangled basis using LOCC and shared entanglement

論文の概要: Distinguishing a maximally entangled basis using LOCC and shared entanglement

arxiv url: http://arxiv.org/abs/2406.13430v1
Date: Wed, 19 Jun 2024 10:44:51 GMT
ステータス: 処理完了
システム内更新日: 2024-06-21 20:03:05.399044
Title: Distinguishing a maximally entangled basis using LOCC and shared entanglement
Title（参考訳）: LOCCと共有絡みによる最大絡み合いの解消
Authors: Somshubhro Bandyopadhyay, Vincent Russo,
Abstract要約: 本稿では,LOCC(ローカル操作と古典通信)と資源として機能する部分的絡み合い状態との相違を考察する。最適成功確率の正確な式を導出し、それが資源状態の完全絡み合った分数に対応することを発見する。
参考スコア（独自算出の注目度）: 15.699822139827916
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We consider the problem of distinguishing between the elements of a bipartite maximally entangled orthonormal basis using LOCC (local operations and classical communication) and a partially entangled state acting as a resource. We derive an exact formula for the optimum success probability and find that it corresponds to the fully entangled fraction of the resource state. The derivation consists of two steps: First, we consider a relaxation of the problem by replacing LOCC with positive-partial-transpose (PPT) measurements and establish an upper bound on the success probability as the solution of a semidefinite program, and then show that this upper bound is achieved by a teleportation-based LOCC protocol. This further implies that separable and PPT measurements provide no advantage over LOCC for this task.
Abstract（参考訳）: 本稿では,LOCC(ローカル操作と古典通信)と資源として機能する部分的絡み合い状態との相違を考察する。最適成功確率の正確な式を導出し、それが資源状態の完全絡み合った分数に対応することを発見する。まず、LOCCを正部分置換(PPT)測定に置き換え、半定値プログラムの解として成功確率の上限を確立し、この上限がテレポーテーションベースのLOCCプロトコルによって達成されることを示す。これはさらに、分離可能なPPT測定がLOCCに勝るものではないことを示唆している。

関連論文リスト

Optimal Second-Order Rates for Quantum Information Decoupling [14.932939960009605]
我々は、Alice氏がローカル操作によって環境から切り離し、システムの一部を破棄することを目的とした、標準的な量子情報分離について考察する。エンタングルメント蒸留プロトコルに束縛された達成可能性を見出すと、アリスとボブはその量子状態が最大エンタングルド状態に最大次元で変換されることが目的である。
論文参考訳（メタデータ） (2024-03-21T12:06:30Z)
Sample Complexity for Quadratic Bandits: Hessian Dependent Bounds and Optimal Algorithms [64.10576998630981]
最適なヘッセン依存型サンプルの複雑さを, 初めて厳密に評価した。ヘシアン非依存のアルゴリズムは、すべてのヘシアンインスタンスに対して最適なサンプル複雑さを普遍的に達成する。本アルゴリズムにより得られたサンプルの最適複雑さは,重み付き雑音分布においても有効である。
論文参考訳（メタデータ） (2023-06-21T17:03:22Z)
Typical bipartite steerability and generalized local quantum measurements [0.0]
近年,Alice と Bob の両部操舵性に関する相関行列に基づく十分条件が提案されている。この十分条件は特異なスケーリング特性を示す。結果は、Alice qubit から Bob の任意の次元量子系へのバイパルタイトステアビリティの決定を減少させる、最近提案された手法と比較される。
論文参考訳（メタデータ） (2023-05-29T09:48:12Z)
Provable Offline Preference-Based Reinforcement Learning [95.00042541409901]
本研究では,PbRL(Preference-based Reinforcement Learning)の問題について,人間のフィードバックを用いて検討する。我々は、報酬が軌道全体にわたって定義できる一般的な報酬設定について考察する。我々は, 軌道毎の集中性によって上界に拘束できる新しい単極集中係数を導入する。
論文参考訳（メタデータ） (2023-05-24T07:11:26Z)
Coherence measure of ensembles with nonlocality without entanglement [0.0]
我々は,l1ノルムとコヒーレンスの相対エントロピーに基づく測度を導入する。特に、最小のラウンドを持つ二方向の区別可能な製品アンサンブルの最大値に達する。
論文参考訳（メタデータ） (2021-12-08T17:41:27Z)
Improving Metric Dimensionality Reduction with Distributed Topology [68.8204255655161]
DIPOLEは、局所的、計量的項と大域的、位相的項の両方で損失関数を最小化し、初期埋め込みを補正する次元推論後処理ステップである。 DIPOLEは、UMAP、t-SNE、Isomapといった一般的な手法よりも多くの一般的なデータセットで優れています。
論文参考訳（メタデータ） (2021-06-14T17:19:44Z)
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)
On the Optimality of the Oja's Algorithm for Online PCA [1.3934770330948278]
高い確率で、任意の部分ガウス分布の主成分部分空間を近似するために、効率的でギャップのないグローバル収束率を実行することが証明されている。収束率、すなわち近似の上界は、オフライン/古典的PCAによって得られる近似の下限を定数係数に正確に一致することを示すのはこれが初めてである。
論文参考訳（メタデータ） (2021-03-31T15:02:54Z)
Discrimination of quantum states under locality constraints in the many-copy setting [18.79968161594709]
最適平均誤差確率は常にコピー数で指数関数的に減衰することを示す。拡張不可能な積ベース(UPB)から構築された状態のペアを提供することにより、分離可能(SEP)とPPTの操作を無限に分離することを示す。技術的には、UPB のテンソル積が UPB であることを示す有名なステートメントの定量的版を提供することで、この結果を証明している。
論文参考訳（メタデータ） (2020-11-25T23:26:33Z)
Amortized Conditional Normalized Maximum Likelihood: Reliable Out of Distribution Uncertainty Estimation [99.92568326314667]
本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
論文参考訳（メタデータ） (2020-11-05T08:04:34Z)
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)

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。