論文の概要: Improved Lower Bounds for Learning Quantum Channels in Diamond Distance

• arxiv url: http://arxiv.org/abs/2601.04180v3
• Date: Tue, 13 Jan 2026 18:58:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-14 14:06:39.235667
• Title: Improved Lower Bounds for Learning Quantum Channels in Diamond Distance
• Title（参考訳）: ダイヤモンド距離における量子チャネル学習のための下界の改善
• Authors: Aadil Oufkir, Filippo Girardi,
• Abstract要約: 入力次元$d_A$,出力次元$d_B$,Choi rank $r$ to Diamond distance $varepsilon$ requires $!left( fracd_A d_B rvarepsilon log(d_B r / varepsilon) right)$ channel query when $d_A= rd_B$, $!left( fracd_A d_B rvarepsilon2 log(d)
• 参考スコア（独自算出の注目度）: 2.1198879079315573
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We prove that learning an unknown quantum channel with input dimension $d_A$, output dimension $d_B$, and Choi rank $r$ to diamond distance $\varepsilon$ requires $ Ω\!\left( \frac{d_A d_B r}{\varepsilon \log(d_B r / \varepsilon)} \right)$ channel queries when $d_A= rd_B$, and $Ω\!\left( \frac{d_A d_B r}{\varepsilon^2 \log(d_B r / \varepsilon)} \right)$ channel queries when $d_A\le rd_B/2$. These lower bounds improve upon the best previous $Ω(d_A d_B r)$ bound by introducing explicit $\varepsilon$-dependence, and they are optimal up to logarithmic factors. The proof constructs ensembles of channels that are well separated in diamond norm yet admit Stinespring isometries that are close in operator norm.
• Abstract（参考訳）: 入力次元$d_A$,出力次元$d_B$,Choi rank $r$ to Diamond distance $\varepsilon$ Ω\! \left( \frac{d_A d_B r}{\varepsilon \log(d_B r / \varepsilon)} \right)$ channel query when $d_A= rd_B$, and $Ω\! \left( \frac{d_A d_B r}{\varepsilon^2 \log(d_B r / \varepsilon)} \right)$ channel query when $d_A\le rd_B/2$ これらの下限は、明示的な$\varepsilon$-dependenceを導入することによって、最も前の$Ω(d_A d_B r)$boundで改善され、対数係数に最適化される。 この証明は、ダイヤモンドノルムで十分に分離されているチャネルのアンサンブルを構成するが、作用素ノルムに近接しているスタインスプリング等長写像を許容する。

関連論文リスト

• Optimal lower bound for quantum channel tomography in away-from-boundary regime [32.904052887092284]
  Heisenberg Scaling $(d2/varepsilon)$は達成可能である。 特に、この下界は、一般に研究されている等入力次元と出力次元のクエリ複雑性を完全に解決する。
  論文  参考訳（メタデータ） (2026-01-15T18:45:59Z)
• Quantum channel tomography and estimation by local test [32.904052887092284]
  Heisenberg scale $O(1/varepsilon)$は、$mathcalE$がユニタリチャネルでない場合でも達成できる。 並行(おそらく一貫性のある)テスタにとって、ダイレーションへのアクセスは役に立ちません。
  論文  参考訳（メタデータ） (2025-12-15T18:07:42Z)
• Actively Learning Halfspaces without Synthetic Data [34.777547976926456]
  我々は、点合成なしでハーフスペースを学習するための効率的なアルゴリズムを設計する。 コーナリーとして、軸整合半空間に対して最適な$O(d + log n)$クエリ決定論的学習器を得る。 我々のアルゴリズムはブール関数を$f$ over $n$要素で学習するより一般的な問題を解く。
  論文  参考訳（メタデータ） (2025-09-25T07:39:25Z)
• Near-Optimal Convergence of Accelerated Gradient Methods under Generalized and $(L_0, L_1)$-Smoothness [57.93371273485736]
  我々は、最近提案された$ell$-smoothness条件$|nabla2f(x)|| le ellleft(||nabla f(x)||right),$$$L$-smoothnessと$(L_0,L_1)$-smoothnessを一般化する関数を持つ凸最適化問題の一階法について検討する。
  論文  参考訳（メタデータ） (2025-08-09T08:28:06Z)
• Learning junta distributions, quantum junta states, and QAC$^0$ circuits [0.0]
  本稿では, 量子分布(量子ユンタ状態)と$mathsfQAC0$回路の学習問題を考察する。 例えば$n$-qubit $mathsfQAC0$の回路は$s$、deep $d$、$a$の補助キュービットは2O(log(s22a)d)log (n)$のChoi状態のコピーから学習可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-21T09:39:20Z)
• Almost Minimax Optimal Best Arm Identification in Piecewise Stationary Linear Bandits [55.957560311008926]
  そこで本研究では,各文脈の平均値によって腕の質を計測するPSLBモデルを提案する。 PS$varepsilon$BAI$+$は、$varepsilon$-optimal armを、確率$ge 1-delta$と最小限のサンプルで識別することが保証される。
  論文  参考訳（メタデータ） (2024-10-10T06:15:42Z)
• Almost-idempotent quantum channels and approximate $C^*$-algebras [0.03922370499388702]
  有限次元の$varepsilon$-$C*$ algebra $A$ is $O(varepsilon)$-同型であることを証明する。 A$ が有限次元 $eta$-idempotent UCP map $Phi$ から来るとき、$O(eta)$-同型とその逆写像は UCP map によって実現される。
  論文  参考訳（メタデータ） (2024-05-03T18:59:50Z)
• Does Sparsity Help in Learning Misspecified Linear Bandits? [32.920577630673804]
  アルゴリズムは$O(varepsilon-sds)$アクションをクエリすることで、$O(varepsilon)$-optimalアクションを得ることができることを示す。 また、サンプルの複雑さに対する上限は、エラーが$O(sdeltavarepsilon)$$$0delta1$を要求する場合、ほぼ厳密であることを示す。
  論文  参考訳（メタデータ） (2023-03-29T19:58:39Z)
• Query-optimal estimation of unitary channels in diamond distance [3.087385668501741]
  単一量子チャネルのプロセストモグラフィーについて考察する。 我々は、ダイヤモンドノルムの未知のユニタリに$varepsilon$-closeのユニタリの古典的な記述を出力する。
  論文  参考訳（メタデータ） (2023-02-27T19:00:00Z)
• Differentially Private Stochastic Gradient Descent with Low-Noise [49.981789906200035]
  現代の機械学習アルゴリズムは、データからきめ細かい情報を抽出して正確な予測を提供することを目的としており、プライバシー保護の目標と矛盾することが多い。 本稿では、プライバシを保ちながら優れたパフォーマンスを確保するために、プライバシを保存する機械学習アルゴリズムを開発することの実践的および理論的重要性について論じる。
  論文  参考訳（メタデータ） (2022-09-09T08:54:13Z)
• The Approximate Degree of DNF and CNF Formulas [95.94432031144716]
  すべての$delta>0に対して、$はCNFと近似次数$Omega(n1-delta)の式を構築し、基本的には$nの自明な上限に一致する。 すべての$delta>0$に対して、これらのモデルは$Omega(n1-delta)$、$Omega(n/4kk2)1-delta$、$Omega(n/4kk2)1-delta$が必要です。
  論文  参考訳（メタデータ） (2022-09-04T10:01:39Z)
• Low-degree learning and the metric entropy of polynomials [44.99833362998488]
  少なくとも$Omega(sqrtvarepsilon)2dlog n leq log mathsfM(mathscrF_n,d,|cdot|_L,varepsilon)は2辺の推定値$c(1-varepsilon)2dlogを満たす。
  論文  参考訳（メタデータ） (2022-03-17T23:52:08Z)
• Learning low-degree functions from a logarithmic number of random queries [77.34726150561087]
  任意の整数 $ninmathbbN$, $din1,ldots,n$ および任意の $varepsilon,deltain(0,1)$ に対して、有界関数 $f:-1,1nto[-1,1]$ に対して、少なくとも$d$ の次数を学ぶことができる。
  論文  参考訳（メタデータ） (2021-09-21T13:19:04Z)
• Nearly Horizon-Free Offline Reinforcement Learning [97.36751930393245]
  S$状態、$A$アクション、計画的地平$H$で、エピソードな時間同質なMarkov決定プロセスに関するオフライン強化学習を再考する。 経験的MDPを用いた評価と計画のための,約$H$自由なサンプル複雑性境界の最初の集合を得る。
  論文  参考訳（メタデータ） (2021-03-25T18:52:17Z)
• An Optimal Separation of Randomized and Quantum Query Complexity [67.19751155411075]
  すべての決定木に対して、与えられた順序 $ellsqrtbinomdell (1+log n)ell-1,$ sum to at least $cellsqrtbinomdell (1+log n)ell-1,$ where $n$ is the number of variables, $d$ is the tree depth, $c>0$ is a absolute constant。
  論文  参考訳（メタデータ） (2020-08-24T06:50:57Z)
• $Q$-learning with Logarithmic Regret [60.24952657636464]
  楽観的な$Q$は$mathcalOleft(fracSAcdot mathrmpolyleft(Hright)Delta_minlogleft(SATright)right)$ cumulative regret bound, where $S$ is the number of state, $A$ is the number of action, $H$ is the planning horizon, $T$ is the total number of steps, $Delta_min$ is the least sub-Optitimality gap。
  論文  参考訳（メタデータ） (2020-06-16T13:01:33Z)
• Tight Quantum Lower Bound for Approximate Counting with Quantum States [49.6558487240078]
  Aaronson, Kothari, Kretschmer, Thaler (2020) が考える数え上げ問題の次の変種に対する厳密な下界を証明する。 このタスクは、入力セット$xsubseteq [n]$が$k$か$k'=(1+varepsilon)k$であるかどうかを識別する。
  論文  参考訳（メタデータ） (2020-02-17T10:53:50Z)

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。