論文の概要: Superiority of Krylov shadow tomography in estimating quantum Fisher information: From bounds to exactness

• arxiv url: http://arxiv.org/abs/2602.17361v1
• Date: Thu, 19 Feb 2026 13:43:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-20 15:21:29.044932
• Title: Superiority of Krylov shadow tomography in estimating quantum Fisher information: From bounds to exactness
• Title（参考訳）: 量子フィッシャー情報の推定におけるKrylovシャドウトモグラフィーの優位性:境界から正確性へ
• Authors: Yuan-Hao Wang, Da-Jian Zhang,
• Abstract要約: 量子フィッシャー情報(QFI)を推定することは、量子科学や技術にまたがる幅広い応用において重要な課題である。 最近提案されたシャドウトモグラフィ(KST)は、QFI上に一連のクリロフ境界を導入することで、このタスクの新たな道を開く。 低次数KrylovはすでにQFIの効率的かつ正確な推定を可能にしていることを示す。
• 参考スコア（独自算出の注目度）: 2.2641978449073035
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Estimating the quantum Fisher information (QFI) is a crucial yet challenging task with widespread applications across quantum science and technologies. The recently proposed Krylov shadow tomography (KST) opens a new avenue for this task by introducing a series of Krylov bounds on the QFI. In this work, we address the practical applicability of the KST, unveiling that the Krylov bounds of low orders already enable efficient and accurate estimation of the QFI. We show that the Krylov bounds converge to the QFI exponentially fast with increasing order and can surpass the state-of-the-art polynomial lower bounds known to date. Moreover, we show that certain low-order Krylov bound can already match the QFI exactly for low-rank states prevalent in practical settings. Such exact match is beyond the reach of polynomial lower bounds proposed previously. These theoretical findings, solidified by extensive numerical simulations, demonstrate practical advantages over existing polynomial approaches, holding promise for fully unlocking the effectiveness of QFI-based applications.
• Abstract（参考訳）: 量子フィッシャー情報(QFI)を推定することは、量子科学や技術にまたがる幅広い応用において重要な課題である。 最近提案されたKrylov shadow tomography (KST)は、QFI上に一連のKrylov境界を導入することで、このタスクの新たな道を開く。 本研究は,KSTの実用性に対処し,低次クリロフ境界が既にQFIの効率的かつ正確な推定を可能にしていることを明らかにした。 クリロフ境界は位数の増加とともに指数関数的に QFI に収束し、現在知られている最先端の多項式の下界を超越できることが示される。 さらに、ある低次クリロフ境界が、実際的な設定でよく見られる低ランク状態に対して、QFIと正確に一致できることが示される。 そのような正確な一致は、以前に提案された多項式の下界の範囲を超えている。 これらの理論的な結果は、広範囲な数値シミュレーションによって固化され、既存の多項式アプローチよりも実用的な利点を示し、QFIベースのアプリケーションの有効性を完全に解き放つことを約束している。

関連論文リスト

• Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
  CL-QASは連続的な量子アーキテクチャ検索フレームワークである。 振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。 制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
  論文  参考訳（メタデータ） (2026-01-10T02:36:03Z)
• Quartic quantum speedups for community detection [84.14713515477784]
  我々は,準量子スピードアップを実現するハイパーグラフコミュニティ検出のための量子アルゴリズムを開発した。 提案アルゴリズムは,従来検討されていた PCA や $p$XORSAT といった問題を超えて拡張した Kikuchi 法に基づいている。
  論文  参考訳（メタデータ） (2025-10-09T17:35:17Z)
• Hyperscaling of Fidelity and Operator Estimations in the Critical Manifold [0.0]
  本研究では, 減速運動量モードで支持される観測値の基底状態予測値を, QFTが流れる固定点理論に基づく平均値で近似できることを示す。 以上の結果から,予測値の計算において,QFTをスケール不変の制限で置き換えることが可能なケースの明確化が可能となった。
  論文  参考訳（メタデータ） (2025-05-21T14:20:54Z)
• Krylov shadow tomography: Efficient estimation of quantum Fisher information [0.0]
  我々はKrylov部分空間法をシャドウトモグラフィーの枠組みに統合する。 KST(Krylov shadow tomography)と呼ばれるこの統合技術により、量子フィッシャー情報に非ポリノミカルな下界の厳密な階層を定式化することができる。 したがって、我々のKSTは、非ポリノミアルな下界だけでなく、QFI自体を推定するために、資源効率が高く、実験的に実現可能な道を開く。
  論文  参考訳（メタデータ） (2025-03-03T16:10:30Z)
• Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
  我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。 この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。 我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
  論文  参考訳（メタデータ） (2024-11-13T12:03:39Z)
• Sampling Error Analysis in Quantum Krylov Subspace Diagonalization [1.3108652488669736]
  本稿では,サンプリングノイズと固有値に対する効果の関係を評価するための漸近的理論フレームワークを提案する。 また,不条件ベースを排除し,大規模条件数に対処する最適解を提案する。
  論文  参考訳（メタデータ） (2023-07-30T17:22:35Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• Fast Objective & Duality Gap Convergence for Non-Convex Strongly-Concave Min-Max Problems with PL Condition [52.08417569774822]
  本稿では,深層学習(深層AUC)により注目度が高まっている,円滑な非凹部min-max問題の解法に焦点をあてる。
  論文  参考訳（メタデータ） (2020-06-12T00:32:21Z)
• Using Quantum Metrological Bounds in Quantum Error Correction: A Simple Proof of the Approximate Eastin-Knill Theorem [77.34726150561087]
  本稿では、量子誤り訂正符号の品質と、論理ゲートの普遍的な集合を達成する能力とを結びつける、近似したイージン・クニル定理の証明を示す。 我々の導出は、一般的な量子気象プロトコルにおける量子フィッシャー情報に強力な境界を用いる。
  論文  参考訳（メタデータ） (2020-04-24T17:58:10Z)

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。