論文の概要: Strategy optimization for Bayesian quantum parameter estimation with finite copies: Adaptive greedy, parallel, sequential, and general strategies
- arxiv url: http://arxiv.org/abs/2602.09655v1
- Date: Tue, 10 Feb 2026 11:05:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-11 20:17:43.505234
- Title: Strategy optimization for Bayesian quantum parameter estimation with finite copies: Adaptive greedy, parallel, sequential, and general strategies
- Title（参考訳）: 有限複写によるベイズ量子パラメータ推定の戦略最適化:適応的欲求,並列,シーケンシャル,一般戦略
- Authors: Erik L. André, Jessica Bavaresco, Mohammad Mehboudi,
- Abstract要約: 1つ以上の未知の物理量を符号化するプロセスの有限個の使用量からベイズ量子パラメータ推定について検討する。
最適解を求めるアルゴリズムを開発し、半定値プログラミングに基づく効率的な数値実装を提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, we study Bayesian quantum parameter estimation given a finite number of uses of the process encoding one or more unknown physical quantities. For multiple uses, it is conventional to classify quantum metrological protocols as parallel, sequential, or indefinite causal order. Within each class, the central question is to determine the optimal strategy -- namely, the choice of optimal input state, control operations, measurement, and estimator(s) -- to perform the estimation task. Using the formalism of higher-order operations, we develop an algorithm that looks for the optimal solution, and we provide an efficient numerical implementation based on semidefinite programming. Our benchmark examples, specifically those against existing analytical solutions, demonstrate how powerful and precise our method is. We further explore the potential of greedy adaptive strategies, which are based on classical feedforward to design the optimal protocol for the next round. Using this framework, we compare the optimal achievable Bayesian score across classes. We demonstrate the strength of our algorithm in several examples, from single to multiparameter estimation and with various prior distributions. Particularly, we find examples in which there is a strict hierarchy between different classes. Nonetheless, the performance of the different quantum memory-assisted classes are not significantly different, while they may significantly outperform the adaptive greedy strategy.
- Abstract（参考訳）: 本研究では1つ以上の未知の物理量を符号化するプロセスの有限個の使用量からベイズ量子パラメーターの推定について検討する。
複数の用途において、量子メロジカルプロトコルを並列、シーケンシャル、不定因数順序として分類することが一般的である。
各クラス内では、見積もりタスクを実行するために最適な入力状態、制御操作、測定、推定器の選択という最適な戦略を決定することが中心的な課題である。
高階演算の定式化を用いて,最適解を求めるアルゴリズムを開発し,半定値プログラミングに基づく効率的な数値実装を提供する。
私たちのベンチマークの例、特に既存の分析ソリューションに対する例は、我々の方法がいかに強力で正確かを示しています。
さらに、古典的なフィードフォワードに基づいて、次のラウンドに最適なプロトコルを設計する、欲求適応戦略の可能性についても検討する。
このフレームワークを用いて、クラス間で最適な達成可能なベイズスコアを比較する。
提案アルゴリズムの強みを, 単パラメータ推定から多パラメータ推定まで, 様々な事前分布を用いていくつかの例で示す。
特に、異なるクラスの間に厳密な階層が存在する例が見つかる。
しかしながら、異なる量子メモリ支援クラスの性能は、適応的な欲求戦略よりも著しく優れているが、大きく異なるものではない。
関連論文リスト
- Measurement-driven Quantum Approximate Optimization [2.5514179157254877]
最近提案された手法では、アンシラ量子ビットと制御されたユニタリ演算子を用いて、想像時間進化に関する弱い測定を実装している。
まず、古典的な問題に特有のいくつかの特性を生かして、アルゴリズムを正確から近似的な最適化に一般化する。
本稿では,制約付き最適化の設定にパラダイムを適応させる方法について述べる。
論文 参考訳（メタデータ） (2025-12-24T08:27:32Z) - Probabilistic Optimality for Inference-time Scaling [8.126757296203957]
大規模言語モデル(LLM)の推論性能を向上させるための強力な手法として、推論時間スケーリングが登場した。
本稿では,並列サンプルが独立かつ同一分布であるという仮定の下で,推論時間スケーリングの最適性を定式化する確率的フレームワークを提案する。
サンプル応答の最適数を動的に決定する実用的なアルゴリズムである OptScale を開発した。
論文 参考訳（メタデータ） (2025-06-27T16:44:11Z) - Benchmarking Optimizers for Qumode State Preparation with Variational Quantum Algorithms [10.941053143198092]
この分野の進歩と潜在的な応用により、クォーモックへの関心が高まっている。
本稿では,変分量子アルゴリズムを用いて状態準備に使用する各種パラメータのパフォーマンスベンチマークを提供することにより,このギャップを埋めることを目的とする。
論文 参考訳（メタデータ） (2024-05-07T17:15:58Z) - Designing optimal protocols in Bayesian quantum parameter estimation with higher-order operations [0.0]
量子センシングの主要な課題は、最適なプロトコル、すなわち最も正確なプロトコルを設計することである。
ここでは、プローブの最適初期状態を見つけることを目的として、単発ベイズ設定に焦点を当てる。
我々は高階演算の形式性を利用して、任意の精度で最適なプロトコルに近いプロトコルを見つける方法を開発した。
論文 参考訳（メタデータ） (2023-11-02T18:00:36Z) - A Depth-Progressive Initialization Strategy for Quantum Approximate
Optimization Algorithm [0.0]
まず,QAOAにおける最適パラメータのパターンを2方向から議論する。
次に、探索空間の境界を決定するために使用される予想の対称性と周期性について議論する。
本稿では,従来の最適パラメータ間の差を考慮し,新しい初期パラメータを予測する戦略を提案する。
論文 参考訳（メタデータ） (2022-09-22T23:49:11Z) - Quantum Goemans-Williamson Algorithm with the Hadamard Test and
Approximate Amplitude Constraints [62.72309460291971]
本稿では,n+1$ qubitsしか使用しないGoemans-Williamsonアルゴリズムの変分量子アルゴリズムを提案する。
補助量子ビット上で適切にパラメータ化されたユニタリ条件として目的行列を符号化することにより、効率的な最適化を実現する。
各種NPハード問題に対して,Goemans-Williamsonアルゴリズムの量子的効率的な実装を考案し,提案プロトコルの有効性を実証する。
論文 参考訳（メタデータ） (2022-06-30T03:15:23Z) - Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
バイレベル最適化は多くの機械学習問題に対するツールである。
Stoc-BiO という新しい確率効率勾配推定器を提案する。
論文 参考訳（メタデータ） (2020-10-15T18:09:48Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z) - Adaptive Sampling for Best Policy Identification in Markov Decision
Processes [79.4957965474334]
本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。
最先端アルゴリズムの利点を論じ、解説する。
論文 参考訳（メタデータ） (2020-09-28T15:22:24Z) - Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
適応性は現代最適化理論において重要であるが、研究されていない性質である。
提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
論文 参考訳（メタデータ） (2020-02-13T05:42:27Z)
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。