論文の概要: Krylov shadow tomography: Efficient estimation of quantum Fisher information

• arxiv url: http://arxiv.org/abs/2503.01697v1
• Date: Mon, 03 Mar 2025 16:10:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:17:19.270568
• Title: Krylov shadow tomography: Efficient estimation of quantum Fisher information
• Title（参考訳）: Krylovシャドウトモグラフィー:量子フィッシャー情報の効率的な推定
• Authors: Da-Jian Zhang, D. M. Tong,
• Abstract要約: 我々はKrylov部分空間法をシャドウトモグラフィーの枠組みに統合する。 KST(Krylov shadow tomography)と呼ばれるこの統合技術により、量子フィッシャー情報に非ポリノミカルな下界の厳密な階層を定式化することができる。 したがって、我々のKSTは、非ポリノミアルな下界だけでなく、QFI自体を推定するために、資源効率が高く、実験的に実現可能な道を開く。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Efficiently estimating the quantum Fisher information (QFI) is pivotal in quantum information science but remains an outstanding challenge for large systems due to its high nonlinearity. In this Letter, we tackle this long-standing challenge by integrating the Krylov subspace method--a celebrated tool from applied mathematics--into the framework of shadow tomography. The integrated technique, dubbed Krylov shadow tomography (KST), enables us to formulate a strict hierarchy of non-polynomial lower bounds on the QFI, among which the highest one matches the QFI exactly. We show that all the bounds can be expressed as expected values of the inverses of Hankel matrices, which are accessible via shadow tomography. Our KST therefore opens up a resource-efficient and experimentally feasible avenue to estimate not only non-polynomial lower bounds but also the QFI itself.
• Abstract（参考訳）: 量子フィッシャー情報(QFI)を効率よく推定することは、量子情報科学において重要であるが、その高い非線形性のため、大規模システムでは際立った課題である。 本稿では,Krylov部分空間法(応用数学の有名なツール)をシャドウトモグラフィーの枠組みに組み込むことにより,この長年にわたる課題に対処する。 KST(Krylov shadow tomography)と呼ばれるこの統合技術により、QFI上の非ポリノミカルな下界の厳密な階層を定式化することができる。 シャドウトモグラフィーによりアクセス可能なハンケル行列の逆行列の期待値としてすべての境界が表現可能であることを示す。 したがって、我々のKSTは、非ポリノミアルな下界だけでなく、QFI自体を推定するために、資源効率が高く、実験的に実現可能な道を開く。

関連論文リスト

• Quantum Bayesian Networks for Machine Learning in Oil-Spill Detection [3.9554540293311864]
  本稿では、量子ベイズネットワーク(QBN)を用いて、不均衡なデータセットを分類する新しいベイズアプローチを提案する。 量子拡張を古典的な機械学習アーキテクチャに統合するという課題を効果的に解決する。 本研究は, 異常の検出・分類において重要な進歩を示し, より効果的かつ正確な環境モニタリング・管理に寄与している。
  論文  参考訳（メタデータ） (2024-12-24T15:44:26Z)
• Encoding of Probability Distributions for Quantum Monte Carlo Using Tensor Networks [0.0]
  本稿では, 確率負荷問題に対処する手段として, テンソル-トレインクロス近似 (TT-cross) アルゴリズムを評価した。 本手法が財務分布に与える影響を実証し,TTクロス手法のスケーラビリティと精度を示す。
  論文  参考訳（メタデータ） (2024-11-18T15:37:37Z)
• Optimal Quantum Overlapping Tomography [2.555222031881788]
  部分トモグラフィーは、複雑な量子システムを特徴づけるための有望なアプローチとして登場した。 本稿では,問題を斜め被覆モデルにマッピングすることで,最適な重なり合うトモグラフィのための統一フレームワークを提案する。 実用核スピンプロセッサにおける提案手法の有効性を実験的に検証した。
  論文  参考訳（メタデータ） (2024-10-17T12:03:43Z)
• Neural auto-designer for enhanced quantum kernels [59.616404192966016]
  本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。 私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
  論文  参考訳（メタデータ） (2024-01-20T03:11:59Z)
• Quantum Bayesian Optimization [64.58749619145908]
  本稿では,量子ガウスプロセスアップパー信頼度境界(Q-GP-UCB)アルゴリズムを提案する。 O(polylog T) は古典的設定における Omega(sqrt(T)) の左下限よりもかなり小さい。 線形核を持つQ-GP-UCBは、新しい信頼楕円体解析により、量子線形 UCB アルゴリズムよりも小さな後悔を実現する。
  論文  参考訳（メタデータ） (2023-10-09T03:10:42Z)
• Higher-order topological kernels via quantum computation [68.8204255655161]
  トポロジカルデータ分析(TDA)は、複雑なデータから意味のある洞察を抽出する強力なツールとして登場した。 本稿では,ベッチ曲線の次数増加に基づくBettiカーネルの量子的定義法を提案する。
  論文  参考訳（メタデータ） (2023-07-14T14:48:52Z)
• Complexity-Theoretic Limitations on Quantum Algorithms for Topological Data Analysis [59.545114016224254]
  トポロジカルデータ解析のための量子アルゴリズムは、古典的手法よりも指数関数的に有利である。 我々は、量子コンピュータにおいても、TDA(ベッチ数の推定)の中心的なタスクが難解であることを示します。 我々は、入力データが単純さの仕様として与えられると、指数的量子優位性を取り戻すことができると論じる。
  論文  参考訳（メタデータ） (2022-09-28T17:53:25Z)
• Analyzing Prospects for Quantum Advantage in Topological Data Analysis [35.423446067065576]
  我々は、トポロジカルデータ解析のための改良された量子アルゴリズムを解析し、最適化する。 超二次量子スピードアップは乗法誤差近似をターゲットとする場合にのみ可能であることを示す。 数百億のトフォリを持つ量子回路は、古典的に難解なインスタンスを解くことができると我々は主張する。
  論文  参考訳（メタデータ） (2022-09-27T17:56:15Z)
• Informationally complete POVM-based shadow tomography [2.9822184411723645]
  任意の情報完備なPOVMは量子状態に対するkビット相関関数を確実に計算できることを示す。 また、この応用には、Huangらの平均手順の中央値を必要としないことも示している。
  論文  参考訳（メタデータ） (2021-05-12T22:34:42Z)
• A Statistical Framework for Low-bitwidth Training of Deep Neural Networks [70.77754244060384]
  フル量子化トレーニング(FQT)は、ニューラルネットワークモデルのアクティベーション、重み、勾配を定量化することで、低ビット幅のハードウェアを使用する。 FQTの最大の課題は、特に勾配量子化が収束特性にどのように影響するかという理論的な理解の欠如である。
  論文  参考訳（メタデータ） (2020-10-27T13:57:33Z)
• Using Quantum Metrological Bounds in Quantum Error Correction: A Simple Proof of the Approximate Eastin-Knill Theorem [77.34726150561087]
  本稿では、量子誤り訂正符号の品質と、論理ゲートの普遍的な集合を達成する能力とを結びつける、近似したイージン・クニル定理の証明を示す。 我々の導出は、一般的な量子気象プロトコルにおける量子フィッシャー情報に強力な境界を用いる。
  論文  参考訳（メタデータ） (2020-04-24T17:58:10Z)

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。