論文の概要: Low-depth amplitude estimation via statistical eigengap estimation

• arxiv url: http://arxiv.org/abs/2603.05475v1
• Date: Thu, 05 Mar 2026 18:45:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-06 22:06:11.37651
• Title: Low-depth amplitude estimation via statistical eigengap estimation
• Title（参考訳）: 統計的固有ギャップ推定による低深度振幅推定
• Authors: Po-Wei Huang, Bálint Koczor,
• Abstract要約: 振幅推定は、実効ハミルトニアンのエネルギーギャップを推定することと同値である。 ハイゼンベルク限定回路と低深度回路の2つの振幅推定アルゴリズムを開発した。
• 参考スコア（独自算出の注目度）: 3.6696978514328715
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Amplitude estimation, in its original form, is formulated as phase estimation upon the Grover walk operator. Since its introduction, subsequent improvements to the algorithm have removed the use of phase estimation and introduced low-depth variants that trade speedup factors for lower circuit depth. We make the key observation that amplitude estimation is equivalent to estimating the energy gap of an effective Hamiltonian, whereby discrete time evolution is generated by amplitude amplification. This enables us to develop two amplitude estimation algorithms for both Heisenberg-limited and low-depth circuit regimes, inspired by statistical phase estimation techniques developed for seemingly unrelated early fault-tolerant ground-state energy estimation. Our approach has significant technical and practical benefits, and uses simplified classical post-processing compared to prior techniques -- our theoretical and numerical results indicate that we achieve state-of-the-art performance. Furthermore, while our approach achieves Heisenberg-limited scaling, we also establish optimal query-depth tradeoffs up to polylogarithmic factors in the low-depth regime with provable theoretical guarantees. Due to its flexibility, generality, and robustness, we expect our approach to be a key enabler for a broad range of early fault-tolerant applications.
• Abstract（参考訳）: 振幅推定は、もともとの形で、Grover ウォーク演算子上で位相推定として定式化されている。 その後のアルゴリズムの改良により、位相推定の利用は排除され、回路深度を下げるためにスピードアップ係数を交換する低深度変種が導入された。 振幅推定は実効ハミルトニアンのエネルギーギャップを推定することと同値であり、振幅増幅により離散時間進化が生成される。 これにより,非関係な早期耐故障性地中エネルギー推定のために開発された統計的位相推定技術に触発されて,ハイゼンベルク限定回路と低深度回路の2つの振幅推定アルゴリズムを開発することができる。 提案手法は,従来の手法に比べて単純化された古典的ポストプロセッシングを応用し,その理論的および数値的な結果から,最先端の性能を達成できることが示唆された。 さらに,提案手法はハイゼンベルク限定スケーリングを実現する一方で,証明可能な理論的保証とともに,低深度状態における多言語的要因に対する最適なクエリ深度トレードオフを確立する。 その柔軟性、汎用性、堅牢性から、当社のアプローチは、幅広い早期フォールトトレラントアプリケーションにとって重要な実現手段になることを期待しています。

関連論文リスト

• Adaptive Estimation and Learning under Temporal Distribution Shift [17.82448143883071]
  本研究では,時間分布シフトによる推定と学習の問題について検討する。 長さ$n$の観測シーケンスを考えてみましょう。 本研究では,ウェーブレットのソフトスレッディング推定器が基底に対して最適推定誤差を与えることを示す。
  論文  参考訳（メタデータ） (2025-05-21T17:56:07Z)
• Optimal sparse phase retrieval via a quasi-Bayesian approach [0.0]
  位相情報はアクセス不能のままでありながら、信号はその変換の大きさだけを使用して再構成する必要がある。 我々は,新しいスパース準ベイズ的アプローチを導入し,そのようなアプローチに対する最初の理論的保証を提供する。 この結果から,提案したベイズ推定器は準指数雑音下での最小最適収束率を達成することが確認された。
  論文  参考訳（メタデータ） (2025-04-13T10:21:35Z)
• In-Context Parametric Inference: Point or Distribution Estimators? [66.22308335324239]
  償却点推定器は一般に後部推論より優れているが、後者は低次元問題では競争力がある。 実験の結果, 償却点推定器は一般に後部推定より優れているが, 後者は低次元問題では競争力があることがわかった。
  論文  参考訳（メタデータ） (2025-02-17T10:00:24Z)
• Bayesian Quantum Amplitude Estimation [46.03321798937855]
  量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。 耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。 本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
  論文  参考訳（メタデータ） (2024-12-05T18:09:41Z)
• Time-adaptive phase estimation [0.0]
  本稿では,事前位相知識に基づいて制御位相とコヒーレント進化時期を適応的に選択するベイズ位相推定手法を提案する。 既知理論境界に対する準最適性能を求め, 推定値の頑健性を示すとともに, 推定値が推定値のモデルで考慮されていない雑音に対する頑健性を示す。 この方法は、利用者の最小限の努力で、利用可能な事前知識と実験的な欠陥を考慮に入れた最適なソリューションを提供する。
  論文  参考訳（メタデータ） (2024-05-14T19:49:22Z)
• Posterior Sampling with Delayed Feedback for Reinforcement Learning with Linear Function Approximation [62.969796245827006]
  Delayed-PSVI は楽観的な値に基づくアルゴリズムであり、後続サンプリングによる雑音摂動により値関数空間を探索する。 我々のアルゴリズムは、未知の遅延が存在する場合に、$widetildeO(sqrtd3H3 T + d2H2 E[tau]$最悪の後悔を実現する。 遅延LPSVIのための勾配に基づく近似サンプリングスキームをLangevin動的に組み込んだ。
  論文  参考訳（メタデータ） (2023-10-29T06:12:43Z)
• Unmasking Bias in Diffusion Model Training [40.90066994983719]
  拡散モデルが画像生成の主流のアプローチとして登場した。 トレーニングの収束が遅く、サンプリングのカラーシフトの問題に悩まされている。 本稿では,これらの障害は,既定のトレーニングパラダイムに固有のバイアスや準最適性に大きく起因していると考えられる。
  論文  参考訳（メタデータ） (2023-10-12T16:04:41Z)
• Robust ground-state energy estimation under depolarizing noise [4.969229261095783]
  我々は,大域的な分極誤差チャネルの下で頑健な新しい基底状態エネルギー推定アルゴリズムを提案する。 本研究は, 脱分極雑音の存在下での地中エネルギー推定の可能性を示すものである。
  論文  参考訳（メタデータ） (2023-07-20T22:30:12Z)
• Dynamic Iterative Refinement for Efficient 3D Hand Pose Estimation [87.54604263202941]
  本稿では,従来の推定値の修正に部分的レイヤを反復的に活用する,小さなディープニューラルネットワークを提案する。 学習したゲーティング基準を用いて、ウェイトシェアリングループから抜け出すかどうかを判断し、モデルにサンプルごとの適応を可能にする。 提案手法は,広く使用されているベンチマークの精度と効率の両面から,最先端の2D/3Dハンドポーズ推定手法より一貫して優れている。
  論文  参考訳（メタデータ） (2021-11-11T23:31:34Z)
• Global Heisenberg scaling in noisy and practical phase estimation [52.70356457590653]
  ハイゼンベルクスケーリングは、量子力学によって実現されたパラメータ推定の最終的な精度を特徴づける。 位相推定の基本問題における強大なハイゼンベルクスケーリングの概念の達成可能性について検討する。
  論文  参考訳（メタデータ） (2021-10-05T06:57:55Z)
• Assessment of weak-coupling approximations on a driven two-level system under dissipation [58.720142291102135]
  我々は, 減散を伴うリウヴィル・ヴォン方程式(Liouville-von equation)と呼ばれる数値的正確かつ非摂動的手法を用いて, 駆動量子ビットについて検討した。 我々は、駆動された量子ビットの定常状態を予測する上で、リンドブラッド方程式の妥当性の規則をマップするために実験で用いられる計量を提案する。
  論文  参考訳（メタデータ） (2020-11-11T22:45:57Z)
• On Deep Instrumental Variables Estimate [21.003925102068298]
  ディープインスツルメンタル変数(IV)は、内在性に対処するディープニューラルネットワークに基づくフレームワークである。 線形インスツルメンタル変数モデルにおいて,ディープニューラルネットワークを用いた2段階推定器について検討する。 2段推定器が半パラメトリック効率境界を達成することを示す。
  論文  参考訳（メタデータ） (2020-04-30T17:03:00Z)
• Large Batch Training Does Not Need Warmup [111.07680619360528]
  大きなバッチサイズを使用してディープニューラルネットワークをトレーニングすることは、有望な結果を示し、多くの現実世界のアプリケーションに利益をもたらしている。 本稿では,大規模バッチ学習のための全層適応レートスケーリング(CLARS)アルゴリズムを提案する。 分析に基づいて,このギャップを埋め,3つの一般的な大規模バッチトレーニング手法の理論的洞察を提示する。
  論文  参考訳（メタデータ） (2020-02-04T23:03:12Z)

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。