Fugu-MT 論文翻訳(概要): Pauli Measurements Are Near-Optimal for Pure State Tomography

論文の概要: Pauli Measurements Are Near-Optimal for Pure State Tomography

arxiv url: http://arxiv.org/abs/2601.04444v1
Date: Wed, 07 Jan 2026 23:16:37 GMT
ステータス: 翻訳完了
システム内更新日: 2026-01-09 17:01:52.952022
Title: Pauli Measurements Are Near-Optimal for Pure State Tomography
Title（参考訳）: パウリ測定は純状態トモグラフィーに最適に近い
Authors: Sabee Grewal, Meghal Gupta, William He, Aniruddha Sen, Mihir Singhal,
Abstract要約: 単一量子ビット計測を用いた近似コピー複雑性を持つ純状態トモグラフィーのアルゴリズムを提案する。具体的には、$widetildeO (2n/)$ 未知の純$n$-qubit状態 $lvertrangle$ が与えられた場合、アルゴリズムはtextitnonadaptive Pauli測定のみを実行する。
参考スコア（独自算出の注目度）: 2.207442386128469
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We give an algorithm for pure state tomography with near-optimal copy complexity using single-qubit measurements. Specifically, given $\widetilde{O}(2^n/ε)$ copies of an unknown pure $n$-qubit state $\lvertψ\rangle$, the algorithm performs only \textit{nonadaptive Pauli measurements}, runs in time $\mathrm{poly}(2^n,1/ε)$, and outputs $\lvert \widehatψ \rangle$ that has fidelity $1-ε$ with $\lvert ψ\rangle$ with high probability. This improves upon the previous best copy complexity bound of $\widetilde{O}(3^n/ε)$.
Abstract（参考訳）: 単一量子ビット計測を用いた近似コピー複雑性を持つ純状態トモグラフィーのアルゴリズムを提案する。具体的には、$\widetilde{O}(2^n/ε)$が未知の純$n$-qubit状態のコピーとして与えられると、アルゴリズムは \textit{nonadaptive Pauli Measurement} のみを実行し、時間$\mathrm{poly}(2^n,1/ε)$で実行し、高い確率で$\lvert \widehat> \rangle$を出力する。これにより、以前の$\widetilde{O}(3^n/ε)$のベストコピー複雑性境界が改善される。

関連論文リスト

Pauli Measurements Are Near-Optimal for Single-Qubit Tomography [34.83118849281207]
少なくとも$Omegaleft(frac10NsqrtN varepsilon2right)$コピーは、$N$-qubit state $rhoinmathbbCdtimes d,d=2N$から$varepsilon$トレース距離を学ぶために必要である。
論文参考訳（メタデータ） (2025-07-29T16:50:19Z)
High-Dimensional Calibration from Swap Regret [40.9736612423411]
任意の凸集合 $mathcalP 部分集合 mathbbRd$ 上での多次元予測のオンライン校正について検討する。我々は、$O(sqrtrho T)$$$T$ラウンド後の最悪の後悔を保証できるならば、$T = exp(logd/epsilon2) の後、$epsilon$-calibrated 予測を得ることができることを示した。
論文参考訳（メタデータ） (2025-05-27T17:31:47Z)
Partially Unitary Learning [0.0]
ヒルベルト空間の最適写像 $IN$ of $left|psirightrangle$ と $OUT$ of $left|phirightrangle$ が提示される。この最適化問題の大域的な最大値を求める反復アルゴリズムを開発した。
論文参考訳（メタデータ） (2024-05-16T17:13:55Z)
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)
Low-Rank Approximation with $1/\epsilon^{1/3}$ Matrix-Vector Products [58.05771390012827]
我々は、任意のSchatten-$p$ノルムの下で、低ランク近似のためのクリロフ部分空間に基づく反復法について研究する。我々の主な成果は、$tildeO(k/sqrtepsilon)$ matrix-vector productのみを使用するアルゴリズムである。
論文参考訳（メタデータ） (2022-02-10T16:10:41Z)
Optimal Regret Algorithm for Pseudo-1d Bandit Convex Optimization [51.23789922123412]
我々は,バンディットフィードバックを用いてオンライン学習を学習する。 learnerは、コスト/リワード関数が"pseudo-1d"構造を許可するゼロ次オラクルのみにアクセスできる。我々は、$T$がラウンドの数である任意のアルゴリズムの後悔のために$min(sqrtdT、T3/4)$の下限を示しています。ランダム化オンライングラデーション下降とカーネル化指数重み法を組み合わせた新しいアルゴリズムsbcalgを提案し,疑似-1d構造を効果的に活用する。
論文参考訳（メタデータ） (2021-02-15T08:16:51Z)
On Efficient Low Distortion Ultrametric Embedding [18.227854382422112]
データの基盤となる階層構造を保存するために広く用いられる方法は、データを木や超音波に埋め込む方法を見つけることである。本稿では,$mathbbRd2(ユニバーサル定数$rho>1$)の点集合を入力として,超測度$Deltaを出力する新しいアルゴリズムを提案する。我々のアルゴリズムの出力はリンクアルゴリズムの出力に匹敵するが、より高速な実行時間を実現する。
論文参考訳（メタデータ） (2020-08-15T11:06:45Z)
Model-Free Reinforcement Learning: from Clipped Pseudo-Regret to Sample Complexity [59.34067736545355]
S$状態、$A$アクション、割引係数$gamma in (0,1)$、近似しきい値$epsilon > 0$の MDP が与えられた場合、$epsilon$-Optimal Policy を学ぶためのモデルなしアルゴリズムを提供する。十分小さな$epsilon$の場合、サンプルの複雑さで改良されたアルゴリズムを示す。
論文参考訳（メタデータ） (2020-06-06T13:34:41Z)
Fast digital methods for adiabatic state preparation [0.0]
ゲート型量子コンピュータにおいて,逆誤差の複雑多元対数を伴う断熱状態生成のための量子アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-04-08T18:00:01Z)
Tight Quantum Lower Bound for Approximate Counting with Quantum States [49.6558487240078]
Aaronson, Kothari, Kretschmer, Thaler (2020) が考える数え上げ問題の次の変種に対する厳密な下界を証明する。このタスクは、入力セット$xsubseteq [n]$が$k$か$k'=(1+varepsilon)k$であるかどうかを識別する。
論文参考訳（メタデータ） (2020-02-17T10:53:50Z)
On the Complexity of Minimizing Convex Finite Sums Without Using the Indices of the Individual Functions [62.01594253618911]
有限和の有限ノイズ構造を利用して、大域オラクルモデルの下での一致する$O(n2)$-upper境界を導出する。同様のアプローチを踏襲したSVRGの新規な適応法を提案し、これはオラクルと互換性があり、$tildeO(n2+nsqrtL/mu)log (1/epsilon)$と$O(nsqrtL/epsilon)$, for $mu>0$と$mu=0$の複雑さ境界を実現する。
論文参考訳（メタデータ） (2020-02-09T03:39:46Z)

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。