論文の概要: Universal method for optimized robustness in self-testing of quantum resources

• arxiv url: http://arxiv.org/abs/2603.19612v1
• Date: Fri, 20 Mar 2026 03:37:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:38.979743
• Title: Universal method for optimized robustness in self-testing of quantum resources
• Title（参考訳）: 量子資源の自己検定における最適化されたロバストネスの普遍的方法
• Authors: Shin-Liang Chen, Nikolai Miklin,
• Abstract要約: 各種量子資源の自己検定におけるロバストネス解析の普遍的手法を提案する。 本手法は, これまでに報告したロバスト性境界を越えられることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Self-testing is a phenomenon where the use of specific quantum states or measurements can be inferred solely from the correlations they generate. We introduce a universal method for conducting robustness analysis in the self-testing of various quantum resources. Unlike previous numerical approaches, which rely on selecting specific isometries, our method optimizes over equivalence transformations, thereby leading to tighter robustness bounds. This optimization employs the well-established technique of semidefinite programming relaxations for non-commuting polynomial optimization. Our method can be universally applied to diverse self-testing settings, including steerable assemblages in the Bell scenario, constellations of quantum states in the prepare-and-measure scenario, and entangled states in the steering scenario. We demonstrate the method's capability to surpass previously reported robustness bounds across a range of concrete examples.
• Abstract（参考訳）: 自己検査は、特定の量子状態や測定値の使用が、それらが生成する相関関係からのみ推測できる現象である。 各種量子資源の自己検定におけるロバストネス解析の普遍的手法を提案する。 特定のアイソメトリーの選択に依存する従来の数値手法とは異なり、同値変換を最適化し、より強靭性境界を導出する。 この最適化は、非可換多項式最適化のための半定値プログラミング緩和の確立された手法を用いる。 提案手法は,ベルシナリオにおけるステアリング可能な集合体,準備・測定シナリオにおける量子状態のコンステレーション,ステアリングシナリオにおける絡み合った状態など,多種多様な自己試験環境に適用できる。 本手法は, これまでに報告したロバスト性境界を越えられることを示す。

関連論文リスト

• Unified and computable approach to optimal strategies for multiparameter estimation [0.7161783472741748]
  複数パラメータの同時推定のための統一的で計算可能な手法を提案する。 我々のアプローチの核は、最近提案された厳密なクラメール・ラオ型境界に量子テスター形式を組み込むことである。 我々は,既存の解析結果の強度と限界を明らかにするために,三次元磁場推定を再考する。
  論文  参考訳（メタデータ） (2026-03-06T13:05:19Z)
• 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)
• Generalization Bounds of Surrogate Policies for Combinatorial Optimization Problems [53.03951222945921]
  我々はスムーズな(摂動された)ポリシーを解析し、線形オラクルが使用する方向に対して制御されたランダムな摂動を付加する。 我々の主な貢献は、過剰リスクを摂動バイアス、統計的推定誤差、最適化誤差に分解する一般化境界である。 車両のスケジューリングやスムーズ化がトラクタブルトレーニングと制御された一般化の両方を可能にしていることを示す。
  論文  参考訳（メタデータ） (2024-07-24T12:00:30Z)
• A Unified Theory of Stochastic Proximal Point Methods without Smoothness [52.30944052987393]
  近点法はその数値的安定性と不完全なチューニングに対する頑健性からかなりの関心を集めている。 本稿では,近位点法(SPPM)の幅広いバリエーションの包括的解析について述べる。
  論文  参考訳（メタデータ） (2024-05-24T21:09:19Z)
• 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)
• Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
  確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。 本手法は, 精度の高い問題に特に適している。 提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
  論文  参考訳（メタデータ） (2023-11-08T00:10:21Z)
• GloptiNets: Scalable Non-Convex Optimization with Certificates [61.50835040805378]
  本稿では,ハイパーキューブやトーラス上のスムーズな関数を扱う証明書を用いた非キューブ最適化手法を提案する。 スペクトルの減衰に固有の対象関数の正則性を活用することにより、正確な証明を取得し、高度で強力なニューラルネットワークを活用することができる。
  論文  参考訳（メタデータ） (2023-06-26T09:42:59Z)
• Quantum algorithm for robust optimization via stochastic-gradient online learning [0.0]
  我々は、Ben-Talらによるオンラインロバスト最適化メタアルゴリズムを考察し、幅広い下位段階において、このアルゴリズムが元の非確率バージョンと同じ保証を持つことを示す。 我々は,このアルゴリズムの量子バージョンを開発し,少なくとも次元の2次改善が達成可能であることを示す。
  論文  参考訳（メタデータ） (2023-04-05T07:25:07Z)
• Generalization Metrics for Practical Quantum Advantage in Generative Models [68.8204255655161]
  生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。 我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。 シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
  論文  参考訳（メタデータ） (2022-01-21T16:35:35Z)
• Certificates of quantum many-body properties assisted by machine learning [0.0]
  本稿では,緩和技術の力と深層強化学習を組み合わせた新しい手法を提案する。 本研究は,多くの移動系の基底状態エネルギーを求める文脈において,本手法の生存可能性について述べる。 我々は、量子情報処理の分野における他の一般的な応用へのアプローチを一般化するためのツールを提供する。
  論文  参考訳（メタデータ） (2021-03-05T17:47:26Z)

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。