論文の概要: Private and Robust States for Distributed Quantum Sensing

• arxiv url: http://arxiv.org/abs/2407.21701v1
• Date: Wed, 31 Jul 2024 15:46:50 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-01 12:17:56.520740
• Title: Private and Robust States for Distributed Quantum Sensing
• Title（参考訳）: 分散量子センシングのためのプライベートおよびロバスト状態
• Authors: Luís Bugalho, Majid Hassani, Yasser Omar, Damian Markham,
• Abstract要約: 分散量子センシングにより、空間的に分離されたプローブに符号化された複数のパラメータを推定できる。 このような設定では、必要以上に多くの情報を与えたくないのは自然なことです。 我々は、機能に関するプライバシーの概念を使用し、ターゲット機能に関する情報だけがすべての関係者に利用可能であることを保証します。
• 参考スコア（独自算出の注目度）: 1.2499537119440245
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Distributed quantum sensing enables the estimation of multiple parameters encoded in spatially separated probes. While traditional quantum sensing is often focused on estimating a single parameter with maximum precision, distributed quantum sensing seeks to estimate some function of multiple parameters that are only locally accessible for each party involved. In such settings it is natural to not want to give away more information than is necessary. To address this, we use the concept of privacy with respect to a function, ensuring that only information about the target function is available to all the parties, and no other information. We define a measure of privacy (essentially how close we are to this condition being satisfied), and show it satisfies a set of naturally desirable properties of such a measure. Using this privacy measure, we identify and construct entangled resources states that ensure privacy for a given function under different resource distributions and encoding dynamics, characterized by Hamiltonian evolution. For separable and parallel Hamiltonians, we prove that the GHZ state is the only private state for certain linear functions, with the minimum amount of required resources, up to SLOCC. Recognizing the vulnerability of this state to particle loss, we create families of private states, that remain robust even against loss of qubits, by incorporating additional resources. We then extend our findings to different resource distribution scenarios and Hamiltonians, resulting in a comprehensive set of private and robust states for distributed quantum estimation. These results advance the understanding of privacy and robustness in multi-parameter quantum sensing.
• Abstract（参考訳）: 分散量子センシングにより、空間的に分離されたプローブに符号化された複数のパラメータを推定できる。 従来の量子センシングは最大精度で1つのパラメータを推定することに焦点を当てることが多いが、分散量子センシングは各パーティにのみアクセス可能な複数のパラメータの関数を推定しようとする。 このような設定では、必要以上に多くの情報を与えたくないのは自然なことです。 この問題に対処するために、私たちは、機能に関するプライバシーの概念を使用し、ターゲット機能に関する情報だけがすべてのパーティで利用可能であり、その他の情報がないことを保証します。 我々は、プライバシーの尺度(実際、この条件がどの程度満足しているか)を定義し、そのような尺度の自然に望ましい性質のセットを満たすことを示す。 このプライバシ尺度を用いて、ハミルトンの進化を特徴とする、異なるリソース分布下での特定の関数のプライバシを確保し、動的を符号化する、絡み合ったリソース状態を特定し、構築する。 分離可能かつ平行なハミルトニアンに対しては、GHZ状態がSLOCCまで必要最小限のリソースを持つある種の線型函数の唯一のプライベート状態であることを証明する。 粒子損失に対するこの状態の脆弱性を認識し、追加の資源を組み込むことで、量子ビットの損失に対してさえ堅牢なプライベート状態の族を創出する。 次に、研究結果を異なる資源分布シナリオとハミルトン分布に拡張し、分散量子推定のためのプライベート状態とロバスト状態の包括的集合を導出する。 これらの結果は、マルチパラメータ量子センシングにおけるプライバシーと堅牢性の理解を促進する。

関連論文リスト

• Privacy in networks of quantum sensors [1.2499537119440245]
  我々は、量子フィッシャー情報行列の操作の観点から、プライバシの分析を開発する。 量子センサネットワークにおける未知パラメータの線形結合の推定において、最適状態が最大プライバシーを達成することを発見した。
  論文  参考訳（メタデータ） (2024-08-03T08:39:44Z)
• Unified Mechanism-Specific Amplification by Subsampling and Group Privacy Amplification [54.1447806347273]
  サブサンプリングによる増幅は、差分プライバシーを持つ機械学習の主要なプリミティブの1つである。 本稿では、メカニズム固有の保証を導出するための最初の一般的なフレームワークを提案する。 サブサンプリングが複数のユーザのプライバシに与える影響を分析する。
  論文  参考訳（メタデータ） (2024-03-07T19:36:05Z)
• A unifying framework for differentially private quantum algorithms [0.0]
  本稿では、近隣の量子状態の新規で一般的な定義を提案する。 この定義が量子符号化の基盤となる構造を捉えることを実証する。 また、入力状態のコピーを複数用意した代替設定についても検討する。
  論文  参考訳（メタデータ） (2023-07-10T17:44:03Z)
• Quantum Pufferfish Privacy: A Flexible Privacy Framework for Quantum Systems [19.332726520752846]
  量子フグプライバシ(QPP)と呼ばれる量子システムのための多用途プライバシフレームワークを提案する。 古典的なフグのプライバシーにインスパイアされた私たちの定式化は、量子微分プライバシーの限界を一般化し対処します。 ここでは,QPPはダッタ・レディツキー情報スペクトルのばらつきの観点から等価に定式化可能であることを示す。
  論文  参考訳（メタデータ） (2023-06-22T17:21:17Z)
• Breaking the Communication-Privacy-Accuracy Tradeoff with $f$-Differential Privacy [51.11280118806893]
  サーバが複数のユーザの協調的なデータ分析を,プライバシの懸念と限られた通信能力で調整する,フェデレートされたデータ分析問題を考える。 有限出力空間を有する離散値機構の局所的差分プライバシー保証を$f$-differential privacy (DP) レンズを用いて検討する。 より具体的には、様々な離散的評価機構の厳密な$f$-DP保証を導出することにより、既存の文献を前進させる。
  論文  参考訳（メタデータ） (2023-02-19T16:58:53Z)
• Algorithms with More Granular Differential Privacy Guarantees [65.3684804101664]
  我々は、属性ごとのプライバシー保証を定量化できる部分微分プライバシー(DP)について検討する。 本研究では,複数の基本データ分析および学習タスクについて検討し,属性ごとのプライバシパラメータが個人全体のプライバシーパラメータよりも小さい設計アルゴリズムについて検討する。
  論文  参考訳（メタデータ） (2022-09-08T22:43:50Z)
• Private measures, random walks, and synthetic data [7.5764890276775665]
  微分プライバシーは、情報理論のセキュリティ保証を提供する数学的概念である。 我々は、プライベートな合成データを効率的に構築できるデータセットからプライベートな尺度を開発する。 我々の構築における重要な要素は、独立確率変数と同様の連立分布を持つ新しい超規則ランダムウォークである。
  論文  参考訳（メタデータ） (2022-04-20T00:06:52Z)
• Quantum Differential Privacy: An Information Theory Perspective [2.9005223064604073]
  本稿では,情報理論の枠組みにおける差分プライバシーを量子分岐として論じる。 このアプローチの主な利点は、差分プライバシーが計算の出力状態のみに基づいてプロパティとなることである。
  論文  参考訳（メタデータ） (2022-02-22T08:12:50Z)
• Robustness Threats of Differential Privacy [70.818129585404]
  我々は、いくつかの設定で差分プライバシーをトレーニングしたネットワークが、非プライベートバージョンに比べてさらに脆弱であることを実験的に実証した。 本研究では,勾配クリッピングや雑音付加などのニューラルネットワークトレーニングの主成分が,モデルの堅牢性に与える影響について検討する。
  論文  参考訳（メタデータ） (2020-12-14T18:59:24Z)
• Graph-Homomorphic Perturbations for Private Decentralized Learning [64.26238893241322]
  ローカルな見積もりの交換は、プライベートデータに基づくデータの推測を可能にする。 すべてのエージェントで独立して選択された摂動により、パフォーマンスが著しく低下する。 本稿では,特定のヌル空間条件に従って摂動を構成する代替スキームを提案する。
  論文  参考訳（メタデータ） (2020-10-23T10:35:35Z)
• Differential Privacy of Hierarchical Census Data: An Optimization Approach [53.29035917495491]
  国勢調査局(Census Bureaus)は、個人に関する機密情報を明らかにすることなく、大人口に関する社会経済的データをまとめて公開することに興味を持っている。 最近の出来事では、これらの組織が直面しているプライバシー上の課題がいくつか特定されている。 本稿では,階層的な個人数を解放する新たな差分プライバシ機構を提案する。
  論文  参考訳（メタデータ） (2020-06-28T18:19:55Z)

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。