論文の概要: Generalized Quantum Stein's Lemma for Classical-Quantum Dynamical Resources

• arxiv url: http://arxiv.org/abs/2509.07271v1
• Date: Mon, 08 Sep 2025 23:00:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-10 14:38:27.138798
• Title: Generalized Quantum Stein's Lemma for Classical-Quantum Dynamical Resources
• Title（参考訳）: 古典量子力学資源のための一般化量子スタインの補題
• Authors: Masahito Hayashi, Hayata Yamasaki,
• Abstract要約: チャネル変換はシャノンのノイズチャネル符号化定理のような有名な結果を含む統一された問題設定を提供する。 量子資源理論(QRT)は、そのような問題を所定の種類の操作で研究するための一般的な枠組みを提供する。 QRTでは、量子状態は静的リソースとして機能し、量子チャネルは動的リソースを生じさせる。
• 参考スコア（独自算出の注目度）: 39.89113394317153
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Channel conversion constitutes a pivotal paradigm in information theory and its applications to quantum physics, providing a unified problem setting that encompasses celebrated results such as Shannon's noisy-channel coding theorem. Quantum resource theories (QRTs) offer a general framework to study such problems under a prescribed class of operations, such as those for encoding and decoding. In QRTs, quantum states serve as static resources, while quantum channels give rise to dynamical resources. A recent major advance in QRTs is the generalized quantum Stein's lemma, which characterizes the optimal error exponent in hypothesis testing to discriminate resource states from free states, enabling a reversible QRT framework for static resources where asymptotic conversion rates are fully determined by the regularized relative entropy of resource. However, applications of QRTs to channel conversion require a framework for dynamical resources. The earlier extension of the reversible framework to a fundamental class of dynamical resources, represented by classical-quantum (CQ) channels, relied on state-based techniques and imposed an asymptotic continuity assumption on operations, which prevented its applicability to conventional channel coding scenarios. To overcome this problem, we formulate and prove a generalized quantum Stein's lemma directly for CQ channels, by developing CQ-channel counterparts of the core proof techniques used in the state setting. Building on this result, we construct a reversible QRT framework for CQ channel conversion that does not require the asymptotic continuity assumption, and show that this framework applies to the analysis of channel coding scenarios. These results establish a fully general toolkit for CQ channel discrimination and conversion, enabling their broad application to core conversion problems for this fundamental class of channels.
• Abstract（参考訳）: チャネル変換は情報理論とその量子物理学への応用において重要なパラダイムであり、シャノンのノイズチャネル符号化定理のような有名な結果を含む統一された問題設定を提供する。 量子資源理論(QRT)は、符号化や復号化など、特定の種類の演算でそのような問題を研究するための一般的な枠組みを提供する。 QRTでは、量子状態は静的リソースとして機能し、量子チャネルは動的リソースを生じさせる。 QRTの最近の大きな進歩は一般化された量子シュタインの補題であり、これは仮説テストにおける最適誤差指数を特徴付け、リソース状態を自由状態から識別し、漸近変換速度がリソースの正規化相対エントロピーによって完全に決定される静的リソースに対する可逆的QRTフレームワークを可能にする。 しかし、QRTのチャネル変換への応用には、動的リソースのためのフレームワークが必要である。 古典量子(CQ)チャネルに代表される動的リソースの基本クラスへの可逆的フレームワークの初期の拡張は、状態ベース技術に依存し、演算に漸近的連続性仮定を課し、従来のチャネル符号化シナリオに適用できないようにした。 この問題を解決するために、状態設定で使用されるコア証明技術のCQチャネル対を開発することにより、CQチャネルに対して、一般化された量子シュタインの補題を定式化し、証明する。 この結果に基づいて、漸近的連続性仮定を必要としないCQチャネル変換のための可逆QRTフレームワークを構築し、このフレームワークがチャネル符号化シナリオの解析に適用可能であることを示す。 これらの結果は、CQチャネルの識別と変換のための完全な汎用ツールキットを確立し、この基本的なチャネルのクラスに対するコア変換問題への広範な適用を可能にした。

関連論文リスト

• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [60.996803677584424]
  変分量子回路(VQC)は、量子機械学習のための新しい経路を提供する。 それらの実用的応用は、制約付き線形表現性、最適化課題、量子ハードウェアノイズに対する鋭敏感といった固有の制限によって妨げられている。 この研究は、これらの障害を克服するために設計されたスケーラブルで堅牢なハイブリッド量子古典アーキテクチャであるVQC-MLPNetを導入している。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• When Wyner and Ziv Met Bayes in Quantum-Classical Realm [8.499685241219366]
  後方(後)チャネルに基づく新しい定式化を導入し、単一文字の歪みを1文字の後方チャネルに置き換えて再構成誤差を捉える。 そこで我々は,レートチャネル圧縮プロトコルが,特定の歪み測定値とレベルに対して最適なレート歪み関数を達成することを示す。
  論文  参考訳（メタデータ） (2025-02-17T18:49:19Z)
• One-shot manipulation of coherence in dynamic quantum resource theory [3.344393226275816]
  近年、動的量子資源の研究への関心が高まっている。 本稿では,超チャネル理論を用いて量子コヒーレンスの動的資源理論を記述する。
  論文  参考訳（メタデータ） (2025-02-13T14:08:29Z)
• Strategic Code: A Unified Spatio-Temporal Framework for Quantum Error-Correction [0.0]
  QECC(Quantum error-correcting code)は、フォールトトレラントな量子情報処理の中心的な要素である。 動的QECCのパラダイムは、時間的にも空間的にも論理情報をしっかりとエンコードできることを示している。 動的Qがフォールトトレランスをいかに達成するかという大まかな理論が欠落している。
  論文  参考訳（メタデータ） (2024-05-27T18:03:00Z)
• Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits [70.97518416003358]
  変分量子回路(VQC)は、ノイズの多い中間スケール量子(NISQ)デバイス上での量子機械学習を約束する。 テンソルトレインネットワーク(TTN)はVQC表現と一般化を向上させることができるが、結果として得られるハイブリッドモデルであるTTN-VQCは、Polyak-Lojasiewicz(PL)条件による最適化の課題に直面している。 この課題を軽減するために,プレトレーニングTTNモデルとVQCを組み合わせたPre+TTN-VQCを導入する。
  論文  参考訳（メタデータ） (2023-05-18T03:08:18Z)
• QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
  我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。 有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。 本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-14T08:03:20Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)
• No-go theorems for quantum resource purification II: new approach and channel theory [9.143899839206043]
  我々は、量子資源浄化の限界を分析するための、新しく強力な方法を開発した。 我々は,一般的な雑音チャネルを変換する際の誤差とコストの普遍的境界を導出するために,新しい手法を用いる。 本稿では, 蒸留, 量子誤差補正, 量子シャノン理論, 量子回路合成への一般結果の接続と応用について論じる。
  論文  参考訳（メタデータ） (2020-10-22T16:00:09Z)

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。