論文の概要: Optimal phase estimation in the presence of correlated dephasing

• arxiv url: http://arxiv.org/abs/2511.07211v1
• Date: Mon, 10 Nov 2025 15:37:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:45.331899
• Title: Optimal phase estimation in the presence of correlated dephasing
• Title（参考訳）: 相関型dephasingの存在下での最適位相推定
• Authors: Srijon Ghosh, Arkadiusz Kobus, Stanisław Kurdziałek, Rafał Demkowicz-Dobrzański,
• Abstract要約: そこで我々は,位相推定のための最適メロジカルプロトコルについて検討した。 スピンスクイーズ法は, 位相変動が正に相関する状態において, 実質的に最適性能を提供する。
• 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: We investigate optimal metrological protocols for phase estimation in the presence of correlated dephasing noise, including spin-squeezed states sensing strategies as well as parallel and adaptive protocols optimized using tensor-network based numerical methods. The results are benchmarked against fundamental bounds obtained either via a latest quantum comb extension method or an optimized classical simulation method. We find that the spin-squeezed offer practically optimal performance in the regime where phase fluctuations are positively correlated, but can be outperformed by tensor-network optimized strategies for negatively correlated fluctuations.
• Abstract（参考訳）: テンソルネットワークに基づく数値手法を用いて最適化された並列かつ適応的なプロトコルと同様にスピンスクイーズ状態検出戦略を含む相関劣化雑音の存在下での位相推定のための最適メロジカルプロトコルについて検討する。 結果は、最新の量子コム拡張法または最適化された古典的シミュレーション法によって得られた基礎的境界に対してベンチマークされる。 スピンスクイーズ法は, 位相ゆらぎが正の相関関係にあるが, 負の相関関係のゆらぎに対するテンソル・ネットワーク最適化戦略により, 性能が向上すると考えられる。

関連論文リスト

• Neural Optimal Transport Meets Multivariate Conformal Prediction [58.43397908730771]
  条件付きベクトル回帰(CVQR)のためのフレームワークを提案する。 CVQRは、ニューラルネットワークの最適輸送と量子化された最適化を組み合わせて、予測に適用する。
  論文  参考訳（メタデータ） (2025-09-29T19:50:19Z)
• Numerical Optimization for Tensor Disentanglement [7.88541926763416]
  本稿では,ネットワーク内のゲージ自由度を利用して結合次元を小さくする変換を同定するテンソルディエンタングリングについて論じる。 我々は、この問題を、1つのテンソルの指標に作用する直交行列に対する最適化問題として定式化し、その行列化形式のランクを最小化する。 しばしば未知の最適ランクを求めるために,二元探索戦略を導入する。
  論文  参考訳（メタデータ） (2025-08-26T20:17:48Z)
• Optimal sparse phase retrieval via a quasi-Bayesian approach [0.0]
  位相情報はアクセス不能のままでありながら、信号はその変換の大きさだけを使用して再構成する必要がある。 我々は,新しいスパース準ベイズ的アプローチを導入し,そのようなアプローチに対する最初の理論的保証を提供する。 この結果から,提案したベイズ推定器は準指数雑音下での最小最適収束率を達成することが確認された。
  論文  参考訳（メタデータ） (2025-04-13T10:21:35Z)
• Enhanced Derivative-Free Optimization Using Adaptive Correlation-Induced Finite Difference Estimators [6.054123928890574]
  勾配推定効率とサンプル効率の両面からDFOを向上させるアルゴリズムを開発した。 提案アルゴリズムの整合性を確立し,反復毎にサンプルのバッチを用いても,KW法やSPSA法と同じ収束率が得られることを示した。
  論文  参考訳（メタデータ） (2025-02-28T08:05:54Z)
• FADAS: Towards Federated Adaptive Asynchronous Optimization [56.09666452175333]
  フェデレートラーニング(FL)は、プライバシ保護機械学習のトレーニングパラダイムとして広く採用されている。 本稿では、非同期更新を適応的フェデレーション最適化と証明可能な保証に組み込む新しい手法であるFADASについて紹介する。 提案アルゴリズムの収束率を厳格に確立し,FADASが他の非同期FLベースラインよりも優れていることを示す実験結果を得た。
  論文  参考訳（メタデータ） (2024-07-25T20:02:57Z)
• Quantum metrology using quantum combs and tensor network formalism [0.0]
  探索されたチャネル間の任意の量子制御操作による最適な適応量子推定プロトコルを決定するための効率的なアルゴリズムを開発した。 本稿では,推定戦略のテンソルネットワーク表現を導入し,アルゴリズムの時間とメモリ消費を大幅に削減する。
  論文  参考訳（メタデータ） (2024-03-07T19:08:05Z)
• Optimization of Annealed Importance Sampling Hyperparameters [77.34726150561087]
  Annealed Importance Smpling (AIS) は、深層生成モデルの難易度を推定するために使われる一般的なアルゴリズムである。 本稿では、フレキシブルな中間分布を持つパラメータAISプロセスを提案し、サンプリングに少ないステップを使用するようにブリッジング分布を最適化する。 我々は, 最適化AISの性能評価を行い, 深部生成モデルの限界推定を行い, 他の推定値と比較した。
  論文  参考訳（メタデータ） (2022-09-27T07:58:25Z)
• High Probability Complexity Bounds for Non-Smooth Stochastic Optimization with Heavy-Tailed Noise [51.31435087414348]
  アルゴリズムが高い確率で小さな客観的残差を与えることを理論的に保証することが不可欠である。 非滑らか凸最適化の既存の方法は、信頼度に依存した複雑性境界を持つ。 そこで我々は,勾配クリッピングを伴う2つの手法に対して,新たなステップサイズルールを提案する。
  論文  参考訳（メタデータ） (2021-06-10T17:54:21Z)
• Stochastic Optimization with Heavy-Tailed Noise via Accelerated Gradient Clipping [69.9674326582747]
  そこで本研究では,重み付き分散雑音を用いたスムーズな凸最適化のための,クリップ付きSSTMと呼ばれる新しい1次高速化手法を提案する。 この場合、最先端の結果を上回る新たな複雑さが証明される。 本研究は,SGDにおいて,ノイズに対する光細かな仮定を伴わずにクリッピングを施した最初の非自明な高確率複雑性境界を導出した。
  論文  参考訳（メタデータ） (2020-05-21T17:05:27Z)

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。