論文の概要: On the role of symmetry and geometry in global quantum sensing

• arxiv url: http://arxiv.org/abs/2502.14817v2
• Date: Sat, 02 Aug 2025 00:11:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-05 14:07:56.281455
• Title: On the role of symmetry and geometry in global quantum sensing
• Title（参考訳）: 大域量子センシングにおける対称性と幾何学の役割について
• Authors: Julia Boeyens, Jonas Glatthard, Edward Gandar, Stefan Nimmrichter, Luis A. Correa, Jesús Rubio,
• Abstract要約: グローバル量子センシングは、有限個の測定値を持つ任意の範囲にわたるパラメータ推定を可能にする。 事前の無知と非情報推定には、根本的に異なる2つの方法がある。 雑音条件下でのレートとコヒーレンス推定の関連例に2つの手法を適用する方法を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Global quantum sensing enables parameter estimation across arbitrary ranges with a finite number of measurements. Among the various existing formulations, the Bayesian paradigm stands as a flexible approach for optimal protocol design under minimal assumptions. Within this paradigm, however, there are two fundamentally different ways to capture prior ignorance and uninformed estimation; namely, requiring invariance of the prior distribution under specific parameter transformations, or adhering to the geometry of a state space. In this paper we carefully examine the practical consequences of both the invariance-based and the geometry-based approaches, and show how to apply them in relevant examples of rate and coherence estimation in noisy settings. We find that, while the invariance-based approach often leads to simpler priors and estimators and is more broadly applicable in adaptive scenarios, the geometry-based one can lead to faster posterior convergence in a well-defined measurement setting. Crucially, by employing the notion of location-isomorphic parameters, we are able to unify the two formulations into a single practical and versatile framework for optimal global quantum sensing, detailing when and how each set of assumptions should be employed to tackle any given estimation task. We thus provide a blueprint for the design of novel high-precision quantum sensors.
• Abstract（参考訳）: グローバル量子センシングは、有限個の測定値を持つ任意の範囲にわたるパラメータ推定を可能にする。 既存の様々な定式化の中で、ベイズパラダイムは最小限の仮定の下で最適なプロトコル設計のための柔軟なアプローチである。 しかし、このパラダイムには、事前の無知と非情報推定を捉える方法が根本的に異なる2つの方法がある、すなわち、特定のパラメータ変換の下での事前分布の不変性を必要とするか、状態空間の幾何学に固執する。 本稿では,不変性に基づくアプローチと幾何に基づくアプローチの両方の実践的結果について慎重に検討し,ノイズ条件下でのレートとコヒーレンス推定の関連事例に適用する方法を示す。 不変性に基づくアプローチは、しばしばより単純な事前推定や推定を導き、適応的なシナリオに広く適用できるが、幾何に基づくアプローチは、よく定義された測定条件において、より高速な後収束をもたらす可能性がある。 重要なことに、位置同型パラメータの概念を用いることで、2つの定式化を最適な大域量子センシングのための単一の実用的で汎用的なフレームワークにまとめることができ、任意の推定課題に取り組むために、それぞれの仮定がいつ、どのように使われるべきかを詳細に説明できる。 そこで我々は,新しい高精度量子センサの設計のための青写真を提供する。

関連論文リスト

• Conformal and kNN Predictive Uncertainty Quantification Algorithms in Metric Spaces [3.637162892228131]
  オラクル推定器の有限サンプルカバレッジ保証と高速収束率を提供する共形予測アルゴリズムを開発した。 不整合性の設定では、統計的効率を得るためにこれらの非漸近性保証を強制する。 ランダム応答オブジェクトを含むパーソナライズ・メディカルアプリケーションにおいて,本手法の実用性を実証する。
  論文  参考訳（メタデータ） (2025-07-21T15:54:13Z)
• Continual Adaptation: Environment-Conditional Parameter Generation for Object Detection in Dynamic Scenarios [54.58186816693791]
  環境は時間と空間によって常に変化し、クローズドセットの仮定に基づいて訓練された物体検出器にとって重要な課題となる。 そこで本研究では,微調整過程をパラメータ生成に変換する機構を提案する。 特に,2経路LoRAベースのドメイン認識アダプタを最初に設計し,特徴をドメイン不変およびドメイン固有コンポーネントに分解する。
  論文  参考訳（メタデータ） (2025-06-30T17:14:12Z)
• Current Trends in Global Quantum Metrology [0.0]
  量子センサーは、最も有望な短期量子技術の1つとして広く認識されている。 我々は、グローバル量子推定の進展のいくつかを概観する。 第1のアプローチでは、最高の性能を達成するためには、測定設定を適応的に最適化する必要がある。
  論文  参考訳（メタデータ） (2024-11-06T11:39:58Z)
• Scaling Exponents Across Parameterizations and Optimizers [94.54718325264218]
  本稿では,先行研究における重要な仮定を考察し,パラメータ化の新たな視点を提案する。 私たちの経験的調査には、3つの組み合わせでトレーニングされた数万のモデルが含まれています。 最高の学習率のスケーリング基準は、以前の作業の仮定から除外されることがよくあります。
  論文  参考訳（メタデータ） (2024-07-08T12:32:51Z)
• Double Duality: Variational Primal-Dual Policy Optimization for Constrained Reinforcement Learning [132.7040981721302]
  本研究では,訪問尺度の凸関数を最小化することを目的として,制約付き凸決定プロセス(MDP)について検討する。 制約付き凸MDPの設計アルゴリズムは、大きな状態空間を扱うなど、いくつかの課題に直面している。
  論文  参考訳（メタデータ） (2024-02-16T16:35:18Z)
• Finding the optimal probe state for multiparameter quantum metrology using conic programming [61.98670278625053]
  本稿では,対応する精度境界に対する最適プローブ状態を決定するための円錐型プログラミングフレームワークを提案する。 また、この理論を量子プローブ状態を用いた標準場センシング問題の解析にも応用する。
  論文  参考訳（メタデータ） (2024-01-11T12:47:29Z)
• Designing optimal protocols in Bayesian quantum parameter estimation with higher-order operations [0.0]
  量子センシングの主要な課題は、最適なプロトコル、すなわち最も正確なプロトコルを設計することである。 ここでは、プローブの最適初期状態を見つけることを目的として、単発ベイズ設定に焦点を当てる。 我々は高階演算の形式性を利用して、任意の精度で最適なプロトコルに近いプロトコルを見つける方法を開発した。
  論文  参考訳（メタデータ） (2023-11-02T18:00:36Z)
• Optimal estimation of pure states with displaced-null measurements [0.0]
  純粋量子状態の未知パラメータを推定する問題を再検討する。 本研究では,実験者が真のシステム状態に近いベクトルを含む基準で測定することを目指すヌル測度戦略について検討する。
  論文  参考訳（メタデータ） (2023-10-10T16:46:24Z)
• Estimating many properties of a quantum state via quantum reservoir processing [2.5432391525687748]
  本稿では、任意の量子状態の古典的近似を量子貯水池で構築するための一般的な枠組みを提案する。 この手法の重要な利点は、任意の特性を推定するためには、単一の局所的な測定設定しか必要としない点である。 この推定スキームは、非単位局所次元を持つ高次元システムやハイブリッドシステムに拡張可能である。
  論文  参考訳（メタデータ） (2023-05-11T15:21:21Z)
• Randomized adaptive quantum state preparation [0.0]
  コスト関数を最小化し、適応的に構築された量子回路を介して所望の量子状態を作成する。 ほぼ全ての初期状態に対して、対象状態への収束が達成できるという理論的議論と数値的な証拠を提供する。
  論文  参考訳（メタデータ） (2023-01-10T20:32:49Z)
• On the Effectiveness of Parameter-Efficient Fine-Tuning [79.6302606855302]
  現在、多くの研究が、パラメータのごく一部のみを微調整し、異なるタスク間で共有されるパラメータのほとんどを保持することを提案している。 これらの手法は, いずれも細粒度モデルであり, 新たな理論的解析を行う。 我々の理論に根ざした空間性の有効性にもかかわらず、調整可能なパラメータをどう選ぶかという問題はまだ未解決のままである。
  論文  参考訳（メタデータ） (2022-11-28T17:41:48Z)
• Tight Cram\'{e}r-Rao type bounds for multiparameter quantum metrology through conic programming [61.98670278625053]
  最適な精度で不整合パラメータを推定できる実用的な測定戦略が最重要である。 ここでは、最適精度で非相関な測定方法を見つけるための具体的な方法を示す。 従来の計算可能境界と最終的な精度境界との間には厳密なギャップがあることを数値的に示す。
  論文  参考訳（メタデータ） (2022-09-12T13:06:48Z)
• A Parametric Class of Approximate Gradient Updates for Policy Optimization [47.69337420768319]
  我々は、勾配形式とスケーリング関数の限定的な選択の観点から、基礎となる更新を再表現する統一的な視点を開発する。 我々は、収束速度と最終的な結果品質の両方の利点をもたらすことができる方法で、既存のアルゴリズムを一般化する、新しいが、動機のよい更新を得る。
  論文  参考訳（メタデータ） (2022-06-17T01:28:38Z)
• Geometric Methods for Sampling, Optimisation, Inference and Adaptive Agents [102.42623636238399]
  我々は,サンプリング,最適化,推論,適応的意思決定といった問題に根ざした基本的な幾何学的構造を同定する。 これらの問題を効率的に解くためにこれらの幾何学的構造を利用するアルゴリズムを導出する。
  論文  参考訳（メタデータ） (2022-03-20T16:23:17Z)
• Random Forest Weighted Local Fréchet Regression with Random Objects [18.128663071848923]
  本稿では,新しいランダム森林重み付き局所Fr'echet回帰パラダイムを提案する。 最初の方法は、これらの重みを局所平均として、条件付きFr'echet平均を解くことである。 第二の手法は局所線形Fr'echet回帰を行い、どちらも既存のFr'echet回帰法を大幅に改善した。
  論文  参考訳（メタデータ） (2022-02-10T09:10:59Z)
• Quantum scale estimation [0.0]
  量子スケール推定は、量子力学の法則によって許容されるスケールパラメータを推定するための最も正確な枠組みを確立する。 この新しい枠組みは、スケール不変なグローバル温度測定を一般化し、原子状態の寿命を推定するために利用される。 より概念的な点として、量子オブザーバブルのより体系的な探索のためのテンプレートとして機能するアプローチであるスケールパラメーターのためのオブザーバブルを構築するために最適な戦略が採用されている。
  論文  参考訳（メタデータ） (2021-11-23T15:03:19Z)
• A Unifying and Canonical Description of Measure-Preserving Diffusions [60.59592461429012]
  ユークリッド空間における測度保存拡散の完全なレシピは、最近、いくつかのMCMCアルゴリズムを単一のフレームワークに統合した。 我々は、この構成を任意の多様体に改善し一般化する幾何学理論を開発する。
  論文  参考訳（メタデータ） (2021-05-06T17:36:55Z)
• FLIP: A flexible initializer for arbitrarily-sized parametrized quantum circuits [105.54048699217668]
  任意サイズのパラメタライズド量子回路のためのFLexible Initializerを提案する。 FLIPは任意の種類のPQCに適用することができ、初期パラメータの一般的なセットに頼る代わりに、成功したパラメータの構造を学ぶように調整されている。 本稿では, 3つのシナリオにおいてFLIPを用いることの利点を述べる。不毛な高原における問題ファミリ, 最大カット問題インスタンスを解くPQCトレーニング, 1次元フェルミ-ハッバードモデルの基底状態エネルギーを求めるPQCトレーニングである。
  論文  参考訳（メタデータ） (2021-03-15T17:38:33Z)
• Multiphase estimation without a reference mode [0.0]
  外部参照モードがないと、同時に推定可能なパラメータの数が減少することを示す。 また、推定されるパラメータの対称性が最適プローブ状態の対称性を定めていることも示す。
  論文  参考訳（メタデータ） (2020-06-23T18:00:03Z)
• Generalized Sliced Distances for Probability Distributions [47.543990188697734]
  我々は、一般化スライス確率測定(GSPM)と呼ばれる、幅広い確率測定値の族を紹介する。 GSPMは一般化されたラドン変換に根付いており、ユニークな幾何学的解釈を持つ。 GSPMに基づく勾配流を生成モデル応用に適用し、軽度な仮定の下では、勾配流が大域的最適に収束することを示す。
  論文  参考訳（メタデータ） (2020-02-28T04:18:00Z)

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。