論文の概要: Reliable Interval Estimation for the Fidelity of Entangled States in Scenarios with General Noise

• arxiv url: http://arxiv.org/abs/2409.19282v2
• Date: Fri, 15 Nov 2024 07:44:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-18 15:35:55.931852
• Title: Reliable Interval Estimation for the Fidelity of Entangled States in Scenarios with General Noise
• Title（参考訳）: 一般騒音のあるシナリオにおける絡み合った状態の忠実度に対する信頼区間推定
• Authors: Liangzhong Ruan, Bas Dirkse,
• Abstract要約: 絡み合った状態の忠実度推定は、量子ネットワークにおける品質制御とエラー検出に必須の構成要素である。 量子ネットワークは、しばしば異質で相関したノイズに遭遇し、推定された忠実度に過剰な不確実性をもたらす。 本稿では,一般雑音の存在下で有効である忠実度に対する信頼区間を提案する。
• 参考スコア（独自算出の注目度）: 0.27624021966289597
• License:
• Abstract: Fidelity estimation for entangled states constitutes an essential building block for quality control and error detection in quantum networks. Nonetheless, quantum networks often encounter heterogeneous and correlated noise, leading to excessive uncertainty in the estimated fidelity. In this paper, the uncertainty associated with the estimated fidelity under conditions of general noise is constrained by jointly employing random sampling, a thought experiment, and Bayesian inference, resulting in a credible interval for fidelity that is valid in the presence of general noise. The proposed credible interval incorporates all even moments of the posterior distribution to enhance estimation accuracy. Factors influencing the estimation accuracy are identified and analyzed. Specifically, the issue of excessive measurements is addressed, emphasizing the necessity of properly determining the measurement ratio for fidelity estimation under general noise conditions.
• Abstract（参考訳）: 絡み合った状態の忠実度推定は、量子ネットワークにおける品質制御とエラー検出に不可欠なビルディングブロックを構成する。 それでも、量子ネットワークは、しばしば異質で相関的なノイズに遭遇し、推定された忠実度に過剰な不確実性をもたらす。 本稿では,一般雑音の条件下で推定された忠実度に付随する不確実性について,ランダムサンプリング,思考実験,ベイズ推定を併用することにより制約し,一般雑音の存在下で有効な忠実度に対する信頼区間を与える。 提案した信頼区間は、推定精度を高めるために、後部分布の偶数モーメントをすべて組み込む。 推定精度に影響を与える要因を特定し解析する。 具体的には,過度な測定の問題に対処し,一般的な雑音条件下での忠実度推定のための測定比率を適切に決定する必要性を強調した。

関連論文リスト

• Error minimization for fidelity estimation of GHZ states with arbitrary noise [0.32634122554913997]
  この研究は、複数のノードがノイズの多いGreenberger-Horne-Zeilinger状態(GHZ)を共有するシナリオを研究する。 量子測定の崩壊の性質のため、ノードは無作為にノイズの多いGHZ状態のサブセットをサンプリングする。 提案プロトコルは,任意の雑音を特徴とする難易度シナリオにおいて,最小平均2乗推定誤差を実現する。
  論文  参考訳（メタデータ） (2024-08-18T09:02:17Z)
• Bayesian meta learning for trustworthy uncertainty quantification [3.683202928838613]
  ベイズメタ学習のための新しい最適化フレームワークであるTrust-Bayesを提案する。 所定間隔で捕捉される基底真理の確率の低い境界を特徴付ける。 我々は、信頼に値する不確実性定量化の可能な確率について、サンプルの複雑さを解析する。
  論文  参考訳（メタデータ） (2024-07-27T15:56:12Z)
• Score Matching-based Pseudolikelihood Estimation of Neural Marked Spatio-Temporal Point Process with Uncertainty Quantification [59.81904428056924]
  我々は、不確実な定量化を伴うmarkPsを学習するためのスコアMAtching推定器であるSMASHを紹介する。 具体的には,スコアマッチングによるマークPsの擬似的類似度を推定することにより,正規化自由度を推定する。 提案手法の優れた性能は、事象予測と不確実性定量化の両方において広範な実験によって実証される。
  論文  参考訳（メタデータ） (2023-10-25T02:37:51Z)
• Pedestrian Trajectory Forecasting Using Deep Ensembles Under Sensing Uncertainty [125.41260574344933]
  エンコーダ・デコーダをベースとした深層アンサンブルネットワークは,認識と予測の不確実性の両方を同時に捕捉する。 全体として、深層アンサンブルはより堅牢な予測を提供し、上流の不確実性の考慮により、モデルの推定精度をさらに高めた。
  論文  参考訳（メタデータ） (2023-05-26T04:27:48Z)
• Nearly Heisenberg-limited noise-unbiased frequency estimation by tailored sensor design [0.0]
  本稿ではラムゼー干渉計による絡み合い支援周波数推定について考察する。 ノイズは偏りや定義が不明確であることを示す。 資源を2倍にするという無限のコストで、ノイズに敏感であり、標準のスケールを正確に維持できる比推算器を導入する。
  論文  参考訳（メタデータ） (2023-05-01T17:32:55Z)
• Optimizing the Noise in Self-Supervised Learning: from Importance Sampling to Noise-Contrastive Estimation [80.07065346699005]
  GAN(Generative Adversarial Networks)のように、最適な雑音分布はデータ分布に等しくなると広く想定されている。 我々は、この自己教師型タスクをエネルギーベースモデルの推定問題として基礎づけるノイズ・コントラスト推定に目を向ける。 本研究は, 最適雑音のサンプリングは困難であり, 効率性の向上は, データに匹敵する雑音分布を選択することに比べ, 緩やかに行うことができると結論付けた。
  論文  参考訳（メタデータ） (2023-01-23T19:57:58Z)
• Minimization of the estimation error for entanglement distribution networks with arbitrary noise [1.3198689566654105]
  ノードが絡み合った量子ビット対のサブセットをランダムにサンプリングして測定し、その結果に照らされたアンサンプペアの平均忠実度を推定する構成を考察する。 提案した推定プロトコルは、任意のノイズと事前情報のない難易度シナリオにおいて、最小平均2乗推定誤差を達成する。
  論文  参考訳（メタデータ） (2022-03-18T13:05:36Z)
• Bayesian autoencoders with uncertainty quantification: Towards trustworthy anomaly detection [78.24964622317634]
  本研究では, ベイズオートエンコーダ (BAEs) の定式化により, 全体の異常不確かさを定量化する。 不確実性の質を評価するために,不確実性の予測を拒否するオプションを追加して,異常を分類する作業を検討する。 本実験は,BAEと総異常不確かさが,ベンチマークデータセットと製造用実データセットのセットに与える影響を実証するものである。
  論文  参考訳（メタデータ） (2022-02-25T12:20:04Z)
• Dense Uncertainty Estimation via an Ensemble-based Conditional Latent Variable Model [68.34559610536614]
  我々は、アレータリック不確実性はデータの固有の特性であり、偏見のないオラクルモデルでのみ正確に推定できると論じる。 そこで本研究では,軌道不確実性推定のためのオラクルモデルを近似するために,列車時の新しいサンプリングと選択戦略を提案する。 以上の結果から,提案手法は精度の高い決定論的結果と確実な不確実性推定の両方を達成できることが示唆された。
  論文  参考訳（メタデータ） (2021-11-22T08:54:10Z)
• Quantifying Uncertainty in Deep Spatiotemporal Forecasting [67.77102283276409]
  本稿では,正規格子法とグラフ法という2種類の予測問題について述べる。 我々はベイジアンおよび頻繁な視点からUQ法を解析し、統計的決定理論を通じて統一的な枠組みを提示する。 実際の道路ネットワークのトラフィック、疫病、空気質予測タスクに関する広範な実験を通じて、異なるUQ手法の統計計算トレードオフを明らかにする。
  論文  参考訳（メタデータ） (2021-05-25T14:35:46Z)

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。