論文の概要: Optimal Fidelity Estimation from Binary Measurements for Discrete and Continuous Variable Systems
- arxiv url: http://arxiv.org/abs/2409.04189v1
- Date: Fri, 6 Sep 2024 11:07:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-09 16:05:19.642817
- Title: Optimal Fidelity Estimation from Binary Measurements for Discrete and Continuous Variable Systems
- Title（参考訳）: 離散・連続変数系に対する2成分測定による最適忠実度推定
- Authors: Omar Fawzi, Aadil Oufkir, Robert Salzmann,
- Abstract要約: 連続変数(CV)システムでは、変位パリティ測定によって測定できるウィグナー関数を利用する。
Fock や Gaussian のような特定の興味のある対象状態に対して、このサンプルの複雑さはウィグナー函数の$L1$-ノルムによって特徴づけられる。
汎用ブラックボックスモデルでは,任意の対象状態に対して,対象状態の滑らかな$L1$-normにより,忠実度推定のための最適なサンプル複雑性が特徴づけられる。
- 参考スコア（独自算出の注目度）: 6.253919624802852
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Estimating the fidelity between a desired target quantum state and an actual prepared state is essential for assessing the success of experiments. For pure target states, we use functional representations that can be measured directly and determine the number of copies of the prepared state needed for fidelity estimation. In continuous variable (CV) systems, we utilise the Wigner function, which can be measured via displaced parity measurements. We provide upper and lower bounds on the sample complexity required for fidelity estimation, considering the worst-case scenario across all possible prepared states. For target states of particular interest, such as Fock and Gaussian states, we find that this sample complexity is characterised by the $L^1$-norm of the Wigner function, a measure of Wigner negativity widely studied in the literature, in particular in resource theories of quantum computation. For discrete variable systems consisting of $n$ qubits, we explore fidelity estimation protocols using Pauli string measurements. Similarly to the CV approach, the sample complexity is shown to be characterised by the $L^1$-norm of the characteristic function of the target state for both Haar random states and stabiliser states. Furthermore, in a general black box model, we prove that, for any target state, the optimal sample complexity for fidelity estimation is characterised by the smoothed $L^1$-norm of the target state. To the best of our knowledge, this is the first time the $L^1$-norm of the Wigner function provides a lower bound on the cost of some information processing task.
- Abstract（参考訳）: 所望の目標量子状態と実際の準備状態との間の忠実度を推定することは、実験の成功を評価するのに不可欠である。
純粋ターゲット状態に対しては,直接測定可能な関数表現を用い,忠実度推定に必要な準備状態のコピー数を決定する。
連続変数(CV)システムでは、変位パリティ測定によって測定できるウィグナー関数を利用する。
本研究は,全ての可能な準備状態における最悪のシナリオを考慮し,忠実度推定に要するサンプルの複雑さについて,上層および下層境界を提供する。
フォック状態やガウス状態のような特定の興味のある対象状態に対して、このサンプルの複雑さはウィグナー関数の$L^1$-ノルムによって特徴づけられる。
$n$ qubitsからなる離散変数系に対しては,パウリ弦測度を用いた忠実度推定プロトコルを探索する。
CV法と同様に、サンプルの複雑さは、Haarランダム状態と安定化状態の両方のターゲット状態の特性関数の$L^1$-normによって特徴づけられる。
さらに, 汎用ブラックボックスモデルでは, 任意の対象状態に対して, 対象状態の滑らかな$L^1$-normにより, 忠実度推定のための最適なサンプル複雑性が特徴づけられることを示した。
我々の知る限りでは、Wigner関数の$L^1$-normが情報処理タスクのコストを低くするのはこれが初めてである。
関連論文リスト
- Improved classical shadows from local symmetries in the Schur basis [4.462208715451194]
従来のシャドウタスクのサンプル複雑性について検討する。
サンプルの複雑さが未知の状態のランクとともにスケールする古典的影に対する最初の共同測定プロトコルを提案する。
論文 参考訳（メタデータ） (2024-05-15T17:33:10Z) - Exponentially improved efficient machine learning for quantum many-body states with provable guarantees [0.0]
量子多体状態とその性質をモデル非依存の応用で効率的に学習するための理論的保証を提供する。
本結果は,量子多体状態とその特性をモデル非依存の応用で効率的に学習するための理論的保証を提供する。
論文 参考訳（メタデータ） (2023-04-10T02:22:36Z) - Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。
サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。
格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文 参考訳（メタデータ） (2022-12-12T15:06:32Z) - Valid and efficient entanglement verification with finite copies of a
quantum state [0.4523163728236145]
小データセットにおける絡み検出方式の有効性と効率を最適化する方法を示す。
この手法は相関関数に対する有限統計効果の分析モデルに基づく。
論文 参考訳（メタデータ） (2022-08-03T11:27:45Z) - Improved Quantum Algorithms for Fidelity Estimation [77.34726150561087]
証明可能な性能保証を伴う忠実度推定のための新しい,効率的な量子アルゴリズムを開発した。
我々のアルゴリズムは量子特異値変換のような高度な量子線型代数技術を用いる。
任意の非自明な定数加算精度に対する忠実度推定は一般に困難であることを示す。
論文 参考訳（メタデータ） (2022-03-30T02:02:16Z) - Instance-optimality in optimal value estimation: Adaptivity via
variance-reduced Q-learning [99.34907092347733]
本稿では,マルコフ決定過程における最適な$Q$値関数を離散状態と動作で推定する問題を解析する。
局所的なミニマックスフレームワークを用いて、この関数は任意の推定手順の精度の低い境界に現れることを示す。
他方,Q$ラーニングの分散還元版を解析することにより,状態と行動空間の対数的要因まで,下位境界のシャープさを確立する。
論文 参考訳（メタデータ） (2021-06-28T00:38:54Z) - Quantum data hiding with continuous variable systems [8.37609145576126]
連続変数量子系のコンテキストにおけるデータ隠蔽について検討する。
ローカルな操作と古典的な通信で実装可能な測定セットである$mathcalM=mathrmLOCC$を見ていく。
非理想的ブラウンシュタイン・キンブル量子テレポーテーションプロトコルによって導入された誤差の厳密な定量的解析を行う。
論文 参考訳（メタデータ） (2021-02-01T19:00:14Z) - Efficient Verification of Anticoncentrated Quantum States [0.38073142980733]
準備可能な量子状態 $mu$ と古典的に指定されたターゲット状態 $tau$ の間に、忠実度 $F(mu,tau)$ を推定する新しい方法を提案する。
また,本手法のより洗練されたバージョンを提示する。このバージョンでは,高効率に準備可能な,かつ良好な量子状態が重要試料として使用される。
論文 参考訳（メタデータ） (2020-12-15T18:01:11Z) - 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) - Gaussian conversion protocols for cubic phase state generation [104.23865519192793]
連続変数を持つ普遍量子コンピューティングは非ガウス的資源を必要とする。
立方相状態は非ガウス状態であり、実験的な実装はいまだ解明されていない。
非ガウス状態から立方相状態への変換を可能にする2つのプロトコルを導入する。
論文 参考訳（メタデータ） (2020-07-07T09:19:49Z) - Sample Complexity of Asynchronous Q-Learning: Sharper Analysis and
Variance Reduction [63.41789556777387]
非同期Q-ラーニングはマルコフ決定過程(MDP)の最適行動値関数(またはQ-関数)を学習することを目的としている。
Q-関数の入出力$varepsilon$-正確な推定に必要なサンプルの数は、少なくとも$frac1mu_min (1-gamma)5varepsilon2+ fract_mixmu_min (1-gamma)$の順である。
論文 参考訳（メタデータ） (2020-06-04T17:51:00Z)
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。