論文の概要: Certifying entanglement dimensionality by random Pauli sampling
- arxiv url: http://arxiv.org/abs/2601.11040v1
- Date: Fri, 16 Jan 2026 07:12:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-19 20:21:50.388369
- Title: Certifying entanglement dimensionality by random Pauli sampling
- Title（参考訳）: ランダムパウリサンプリングによる絡み合い寸法の認証
- Authors: Changhao Yi,
- Abstract要約: パウリ測度に基づくアルゴリズムを導入し、Schmidt数$n$-qubit純状態の証明を行う。
我々のプロトコルは、$caO(mathrmpoly(n)2)$の平均サンプル複雑さを達成し、$caO(2n )$最悪のケース境界よりも大幅に改善した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce a Pauli-measurement-based algorithm to certify the Schmidt number of $n$-qubit pure states. Our protocol achieves an average-case sample complexity of $\caO(\mathrm{poly}(n)χ^2)$, a substantial improvement over the $\caO(2^n χ)$ worst-case bound. By utilizing local pseudorandom unitaries, we ensure the worst case can be transformed into the average-case with high probability. This work establishes a scalable approach to high-dimensional entanglement certification and introduces a proof framework for random Pauli sampling.
- Abstract（参考訳）: パウリ測度に基づくアルゴリズムを導入し、Schmidt数$n$-qubit純状態の証明を行う。
我々のプロトコルは、$\caO(\mathrm{poly}(n) ^2)$という平均ケースサンプルの複雑さを達成し、$\caO(2^n )$最悪のケース境界よりも大幅に改善した。
局所的な擬似乱数ユニタリを利用することで、最悪のケースを高い確率で平均ケースに変換することができる。
この研究は、高次元エンタングルメント認証に対するスケーラブルなアプローチを確立し、ランダムなパウリサンプリングのための証明フレームワークを導入する。
関連論文リスト
- Provably Efficient Sample Complexity for Robust CMDP [7.060086147428817]
安全制約を満たしつつ累積報酬を最大化する学習政策の問題点を考察する。
我々は,強固な制約付きマルコフ決定プロセス(RCMDPs)に焦点を当てる。そこではエージェントは,累積効用がしきい値を超えることを保証しながら報酬を最大化しなければならない。
本稿では,ロバスト制約値反復(RCVI)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-11-10T04:40:37Z) - Oracle-based Uniform Sampling from Convex Bodies [2.087898608419977]
我々は新しいマルコフ連鎖モンテカルロアルゴリズムを提案し、凸体上の一様分布をK$とする。
提案アルゴリズムは,Gibsサンプリングを用いたAlternating Smpling Framework/proximal samplerに基づく。
論文 参考訳（メタデータ） (2025-10-03T13:21:05Z) - Finite-Sample Analysis of Policy Evaluation for Robust Average Reward Reinforcement Learning [50.81240969750462]
我々は、ロバスト平均マルコフ決定過程(PMD)における政策評価の第1次有限サンプル解析を提案する。
頑健なベルマン作用素は、慎重に構築された半ノルムの下で収縮し、制御バイアスを持つフレームワークを開発することを示す。
本手法は,ロバストな政策評価とロバストな平均報酬推定のために,$tildemathcalO(epsilon-2)$のオーダー最適サンプル複雑性を実現する。
論文 参考訳（メタデータ） (2025-02-24T03:55:09Z) - Efficient distributed inner product estimation via Pauli sampling [0.04104921880358479]
クロスプラットフォーム検証は、異なる物理プラットフォームで生成された出力状態を比較するタスクである。
パウリサンプリングに基づく新しいプロトコルを提案する。
論文 参考訳（メタデータ） (2024-05-10T15:40:18Z) - Stochastic Approximation Approaches to Group Distributionally Robust Optimization and Beyond [89.72693227960274]
本稿では,グループ分散ロバスト最適化 (GDRO) を,$m$以上の異なる分布をうまく処理するモデルを学習する目的で検討する。
各ラウンドのサンプル数を$m$から1に抑えるため、GDROを2人でプレイするゲームとして、一方のプレイヤーが実行し、他方のプレイヤーが非公開のマルチアームバンディットのオンラインアルゴリズムを実行する。
第2のシナリオでは、最大リスクではなく、平均的最上位k$リスクを最適化し、分散の影響を軽減することを提案する。
論文 参考訳（メタデータ） (2023-02-18T09:24:15Z) - Nearly Optimal Latent State Decoding in Block MDPs [74.51224067640717]
エピソードブロック MDP では、意思決定者は少数の潜在状態から生成される豊富な観測やコンテキストにアクセスすることができる。
まず、固定動作ポリシーに基づいて生成されたデータに基づいて、潜時状態復号関数を推定することに興味がある。
次に、報酬のないフレームワークにおいて、最適に近いポリシーを学習する問題について研究する。
論文 参考訳（メタデータ） (2022-08-17T18:49:53Z)
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。