論文の概要: Scalable bayesian shadow tomography for quantum property estimation with set transformers

• arxiv url: http://arxiv.org/abs/2509.18674v1
• Date: Tue, 23 Sep 2025 05:46:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-24 20:41:27.72024
• Title: Scalable bayesian shadow tomography for quantum property estimation with set transformers
• Title（参考訳）: 集合変換器を用いた量子特性推定のためのスケーラブルベイズ陰影トモグラフィ
• Authors: Hyunho Cha, Wonjung Kim, Jungwoo Lee,
• Abstract要約: 未知の量子状態のスカラー特性を計測データから推定するために,スケーラブルなベイズ機械学習フレームワークが導入された。 この研究は、古典的なシャドウプロトコルを置換不変集合変換器アーキテクチャと統合した最初のものである。 従来の影よりも平均二乗誤差が常に低くなり、コピー数では99%以上減少する。
• 参考スコア（独自算出の注目度）: 5.1064573704995055
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: A scalable Bayesian machine learning framework is introduced for estimating scalar properties of an unknown quantum state from measurement data, which bypasses full density matrix reconstruction. This work is the first to integrate the classical shadows protocol with a permutation-invariant set transformer architecture, enabling the approach to predict and correct bias in existing estimators to approximate the true Bayesian posterior mean. Measurement outcomes are encoded as fixed-dimensional feature vectors, and the network outputs a residual correction to a baseline estimator. Scalability to large quantum systems is ensured by the polynomial dependence of input size on system size and number of measurements. On Greenberger-Horne-Zeilinger state fidelity and second-order R\'enyi entropy estimation tasks -- using random Pauli and random Clifford measurements -- this Bayesian estimator always achieves lower mean squared error than classical shadows alone, with more than a 99\% reduction in the few copy regime.
• Abstract（参考訳）: 測定データから未知の量子状態のスカラー特性を推定するためのスケーラブルなベイズ機械学習フレームワークが導入された。 この研究は、古典的なシャドウプロトコルを置換不変集合変換器アーキテクチャと統合し、既存の推定器のバイアスを予測し正し、真のベイズ平均を近似するアプローチを可能にする最初のものである。 測定結果は固定次元特徴ベクトルとして符号化され、ネットワークはベースライン推定器に残差補正を出力する。 大規模量子システムへのスケーラビリティは、システムサイズと測定数に対する入力サイズの多項式依存によって保証される。 Greenberger-Horne-Zeilinger状態の忠実度と2階R\enyiエントロピー推定タスク -- ランダムなパウリとランダムなクリフォード測定 -- では、ベイズ推定器は古典的な影のみよりも低い平均二乗誤差を常に達成し、少数コピー方式では99\%以上減少する。

関連論文リスト

• Direct reconstruction of the quantum density matrix elements with classical shadow tomography [3.19428095493284]
  従来のシャドウトモグラフィーを用いて、未知の量子状態の多重密度行列要素を再構成するための直接推定フレームワークを提案する。 我々は (K) 対角行列要素を加法誤差 (epsilon) まで推定するには (mathcalO(log K/epsilon2) サンプルのみが必要であることを証明した。 フルステートトモグラフィに拡張すると,サンプルの複雑さ (mathcalO(d3 log d/)) を伴うトレース距離誤差 (le epsilon) が得られる。
  論文  参考訳（メタデータ） (2025-05-21T08:19:39Z)
• Variation Due to Regularization Tractably Recovers Bayesian Deep Learning [44.16006844888796]
  本稿では,正規化による変動に基づく大規模ネットワークの不確実性定量化手法を提案する。 正規化変動(RegVar)は、無限小極限においてベイズ深層学習におけるラプラス近似を正確に回復する厳密な不確実性を推定する。 複数のデータセットにまたがる実験により、RegVarは不確実な予測を効果的に識別するだけでなく、学習した表現の安定性に関する洞察を提供する。
  論文  参考訳（メタデータ） (2024-03-15T20:47:39Z)
• Randomized semi-quantum matrix processing [0.0]
  汎用行列関数をシミュレートするためのハイブリッド量子古典的フレームワークを提案する。 この方法は、対象関数のチェビシェフ近似上のランダム化に基づいている。 コストのかかるパラメータの2次高速化を含む,平均深度に対する利点を実証する。
  論文  参考訳（メタデータ） (2023-07-21T18:00:28Z)
• Bayesian Renormalization [68.8204255655161]
  ベイズ統計的推論にインスパイアされた再正規化に対する完全情報理論的アプローチを提案する。 ベイズ再正規化の主な洞察は、フィッシャー計量が創発的RGスケールの役割を担う相関長を定義することである。 本研究では,ベイズ正規化方式が既存のデータ圧縮法やデータ生成法とどのように関係しているかを考察する。
  論文  参考訳（メタデータ） (2023-05-17T18:00:28Z)
• 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)
• Regularized Vector Quantization for Tokenized Image Synthesis [126.96880843754066]
  画像の離散表現への量子化は、統合生成モデリングにおける根本的な問題である。 決定論的量子化は、厳しいコードブックの崩壊と推論段階の誤調整に悩まされ、一方、量子化は、コードブックの利用率の低下と再構築の目的に悩まされる。 本稿では、2つの視点から正規化を適用することにより、上記の問題を効果的に緩和できる正規化ベクトル量子化フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-11T15:20:54Z)
• Neural Jacobian Fields: Learning Intrinsic Mappings of Arbitrary Meshes [38.157373733083894]
  本稿では,ニューラルネットワークによる任意のメッシュの断片的線形マッピングを正確に予測するフレームワークを提案する。 このフレームワークは、グローバルな形状記述子に条件付けされた単一点の行列の予測に神経的な側面を還元することに基づいている。 個々のメッシュの固有の勾配領域で操作することで、フレームワークは高度に正確なマッピングを予測できる。
  論文  参考訳（メタデータ） (2022-05-05T19:51:13Z)
• Efficient quantum state tomography with convolutional neural networks [0.0]
  我々は,情報的に完全な測定結果に対する確率分布の近似に依存する量子状態トモグラフィー手法を開発した。 実験データから直接推定した場合と比較して,観測可能量の推定誤差を最大で1桁低減する。
  論文  参考訳（メタデータ） (2021-09-28T14:55:54Z)

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。