論文の概要: QMetro++ -- Python optimization package for large scale quantum metrology with customized strategy structures
- arxiv url: http://arxiv.org/abs/2506.16524v1
- Date: Thu, 19 Jun 2025 18:13:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-23 19:00:05.214373
- Title: QMetro++ -- Python optimization package for large scale quantum metrology with customized strategy structures
- Title（参考訳）: QMetro++ -- カスタマイズされた戦略構造を持つ大規模量子メロジのためのPython最適化パッケージ
- Authors: Piotr Dulian, Stanisław Kurdziałek, Rafał Demkowicz-Dobrzański,
- Abstract要約: QMetro++は最適な推定プロトコルを特定するためのPythonパッケージである。
このパッケージは、最近開発されたQFIの基本上界の計算方法の実装を伴っている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: QMetro++ is a Python package containing a set of tools dedicated to identifying optimal estimation protocols that maximize quantum Fisher information (QFI). Optimization can be performed for an arbitrary arrangement of input states, parameter encoding channels, noise correlations, control operations and measurements. The use of tensor networks and iterative see-saw algorithm allows for an efficient optimization even in the regime of large number of channel uses ($N\approx100$). Additionally, the package comes with an implementation of the recently developed methods for computing fundamental upper bounds on QFI, which serve as benchmarks of optimality of the outcomes of numerical optimization. All functionalities are wrapped up in a user-friendly interface which enables defining strategies at various levels of detail.
- Abstract（参考訳）: QMetro++は、QFI(Quantum Fisher Information)を最大化する最適な推定プロトコルを特定するためのツールセットを含むPythonパッケージである。
任意の入力状態、パラメータ符号化チャネル、ノイズ相関、制御操作、測定のための最適化を行うことができる。
テンソルネットワークと反復シーソーアルゴリズムを用いることで、多数のチャネルの使用状況において(N\approx100$)、効率的な最適化が可能となる。
さらに、このパッケージは、数値最適化の結果の最適性のベンチマークとして機能する、QFIの基本的な上限を計算するための最近開発された方法の実装が付属している。
すべての機能はユーザフレンドリなインターフェースにまとめられ、様々なレベルで戦略を定義することができる。
関連論文リスト
- Global Optimization of Gaussian Process Acquisition Functions Using a Piecewise-Linear Kernel Approximation [2.3342885570554652]
本稿では,プロセスカーネルに対する一括近似と,取得関数に対するMIQP表現を紹介する。
我々は,合成関数,制約付きベンチマーク,ハイパーチューニングタスクに関するフレームワークを実証的に実証した。
論文 参考訳（メタデータ） (2024-10-22T10:56:52Z) - Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。
本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-04T01:47:37Z) - NUBO: A Transparent Python Package for Bayesian Optimization [0.0]
NUBOは物理実験やコンピュータシミュレータなどのブラックボックス機能を最適化するためのフレームワークである。
透明性とユーザエクスペリエンスを重視し、ベイズ最適化をあらゆる分野の研究者が利用できるようにする。
NUBOはPythonで書かれているが、シミュレータや実験を最適化するためにPythonの専門知識は必要ない。
論文 参考訳（メタデータ） (2023-05-11T10:34:27Z) - An Empirical Evaluation of Zeroth-Order Optimization Methods on
AI-driven Molecule Optimization [78.36413169647408]
分子目的を最適化するための様々なZO最適化手法の有効性について検討する。
ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。
本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
論文 参考訳（メタデータ） (2022-10-27T01:58:10Z) - QuanEstimation: An open-source toolkit for quantum parameter estimation [4.648493096183626]
量子パラメータ推定のためのPython-Juliaベースのオープンソースツールキットを提案する。
それは多くのよく使われる数学的境界と最適化方法を含んでいる。
論文 参考訳（メタデータ） (2022-05-31T08:02:51Z) - Non-Convex Optimization with Certificates and Fast Rates Through Kernel
Sums of Squares [68.8204255655161]
非最適化近似問題を考える。
本稿では,最優先計算を保証するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-04-11T09:37:04Z) - An Optimization Framework for Federated Edge Learning [11.007444733506714]
本稿では,サーバとワーカが異なる計算能力と通信能力を持つエッジコンピューティングシステムについて考察する。
我々はまず,グローバルおよびローカル反復数,ミニバッチサイズ,ステップサイズシーケンスによってパラメータ化された一般FLアルゴリズム,すなわちGenQSGDを提案する。
論文 参考訳（メタデータ） (2021-11-26T14:47:32Z) - Evolutionary Ensemble Learning for Multivariate Time Series Prediction [6.736731623634526]
MTS予測モデル(PM)を構築する典型的なパイプラインは、利用可能なすべてのチャネルのサブセットを選択することである。
本稿では,パイプライン全体を総合的に最適化する新たな進化的アンサンブル学習フレームワークを提案する。
提案手法を実装し,実世界の2つの応用,すなわち電力消費予測と大気質予測について検討した。
論文 参考訳（メタデータ） (2021-08-22T07:36:25Z) - Bayesian Algorithm Execution: Estimating Computable Properties of
Black-box Functions Using Mutual Information [78.78486761923855]
多くの現実世界では、T関数の評価の予算を考えると、高価なブラックボックス関数 f の性質を推測したい。
本稿では,アルゴリズムの出力に対して相互情報を最大化するクエリを逐次選択する手法InfoBAXを提案する。
これらの問題に対してInfoBAXは、元のアルゴリズムで要求されるより500倍少ないクエリをfに使用する。
論文 参考訳（メタデータ） (2021-04-19T17:22:11Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z) - Global Optimization of Gaussian processes [52.77024349608834]
少数のデータポイントで学習したガウス過程を訓練した空間定式化を提案する。
このアプローチはまた、より小さく、計算的にもより安価なサブソルバを低いバウンディングに導く。
提案手法の順序の順序による時間収束を,総じて低減する。
論文 参考訳（メタデータ） (2020-05-21T20:59:11Z)
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。