論文の概要: Distributed Learning of Quantum State Tomography Robust to Readout Errors
- arxiv url: http://arxiv.org/abs/2604.14428v1
- Date: Wed, 15 Apr 2026 21:22:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-17 21:29:31.612767
- Title: Distributed Learning of Quantum State Tomography Robust to Readout Errors
- Title（参考訳）: 読み出し誤差に頑健な量子状態トモグラフィの分散学習
- Authors: Amirhossein Taherpour, Alireza Sadeghi, Georgios B. Giannakis,
- Abstract要約: 本稿では,読み出し誤差を伴う共同領域量子状態トモグラフィのための統合フレームワークを提案する。
多重ビットシステムは重なり合う領域に分割され、各領域は局所密度演算子と局所混乱行列に割り当てられる。
共同推定は, 固定可読化による状態回復を向上し, オラクル性能のかなりの部分を回復し, 状態推定性能, 通信性能, 計算性能の明確なトレードオフを明らかにする。
- 参考スコア（独自算出の注目度）: 28.619101416652395
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Scalable estimation of quantum states with readout errors is a central challenge in large multiqubit systems. Existing overlapping-tomography methods improve scalability by working with local subsystems, but they usually assume known or separately calibrated measurements. At the same time, readout-estimation methods model measurement errors without enforcing consistency among overlapping regional states. In this context, the present paper introduces a unified framework for joint regional quantum state tomography with readout errors. A multiqubit system is partitioned in overlapping regions, each region is assigned to a local density operator and a local confusion matrix, and neighboring regions are coupled through reduced-state consistency on shared subsystems. This leads to a structured bilinear optimization problem. To solve it, a distributed alternating method is developed in which the state-update step is handled by the alternating direction method of multipliers (ADMM), while the confusion-matrix updates are carried out locally in parallel. Analytical guarantees are also established, including a sufficient condition for local identifiability, local quadratic growth of the population misfit, and convergence of the inner state-update procedure. Simulations on Ring, Ladder, Torus, and Hub graph geometries show that joint estimation improves state recovery over fixed-readout reconstruction, recovers a substantial portion of oracle performance, and reveals a clear tradeoff between state estimation performance, communication, and computation.
- Abstract（参考訳）: 読み出し誤差を伴う量子状態のスケーラブルな推定は、大規模マルチキュービットシステムにおける中心的な課題である。
既存の重複トモグラフィー手法は、局所的なサブシステムで作業することでスケーラビリティを向上させるが、通常は既知のまたは別々に測定される。
同時に、読み出し推定法は、重複する地域状態間の一貫性を強制せずに測定誤差をモデル化する。
本稿では,読み出し誤差を伴う共同領域量子状態トモグラフィのための統合フレームワークを提案する。
多重ビット系は重なり合う領域に分割され、各領域は局所密度演算子と局所混乱行列に割り当てられ、隣接する領域は共有サブシステム上の還元状態整合によって結合される。
これにより、構造化された双線型最適化問題が発生する。
これを解決するために、分散交替法を開発し、状態更新ステップを乗算器の交替方向法(ADMM)で処理し、混乱行列更新を局所的に並列に行う。
分析的保証も確立されており、地域識別性、人口不適合の局所的な二次的成長、内的状態更新手順の収束など、十分な条件が定められている。
Ring、Ladder、Torus、Hubグラフのシミュレーションでは、結合推定は固定可読化による状態回復を改善し、オラクル性能のかなりの部分を回復し、状態推定性能、通信および計算の明確なトレードオフを明らかにする。
関連論文リスト
- Efficiently Learning Global Quantum Channels with Local Tomography [0.0]
本稿では,一次元のマルチキュービット状態とチャネルに対する局所的・言語的再構成フレームワークを提案する。
テンソルネットソー表現を用いることで、最大50キュービットのチャネルを再構築し、グローバル診断を正確に回復する。
これにより、グローバルなプロパティへのアクセスが可能なスケーラブルなチャネルキャラクタリゼーションに、強力なツールボックスローカルシャドウトモグラフィーを拡張します。
論文 参考訳（メタデータ） (2026-03-07T04:54:48Z) - Local adapt-then-combine algorithms for distributed nonsmooth optimization: Achieving provable communication acceleration [50.67878993903822]
通信効率のよいAdapt-Then-Combine (ATC) フレームワークであるFlexATCを提案する。
ローカル更新がATCベースの分散アルゴリズムの通信高速化につながることを示すのはこれが初めてである。
論文 参考訳（メタデータ） (2026-02-18T02:47:05Z) - What Makes Local Updates Effective: The Role of Data Heterogeneity and Smoothness [5.357435119431715]
この論文は、異種環境における局所SGDの分析のための自己完結型ガイドに寄与する。
この論文はオンライン学習にも拡張され、ファーストオーダーとバンディットの両方のフィードバックの下で基本的な境界を提供する。
論文 参考訳（メタデータ） (2025-06-30T19:06:02Z) - Stein's method for marginals on large graphical models [1.8843687952462742]
分布の局所性を定量化する新しい$delta$-locality条件を導入する。
これらの手法により, 局所化および並列化により, サンプルの複雑さと計算コストを大幅に削減できることを示す。
論文 参考訳（メタデータ） (2024-10-15T16:47:05Z) - Convergence of Distributed Adaptive Optimization with Local Updates [3.895864050325129]
局所的な更新(間欠的通信)による分散適応アルゴリズムの研究
初めて、Em Local SGD em with momentum (em Local em SGDM) と em Local em Adam が、convex と弱凸設定でミニバッチよりも優れていることを証明した。
論文 参考訳（メタデータ） (2024-09-20T01:45:10Z) - Fast and Robust State Estimation and Tracking via Hierarchical Learning [9.341558827016332]
我々は,大規模ネットワークにおけるコンバージェンスを高速化し,状態推定と追跡のレジリエンスを高めることを目的としている。
我々は,水中音響ネットワークと大規模合成ネットワークのシミュレーション研究を通じて,我々のアルゴリズムを数値的に検証する。
論文 参考訳（メタデータ） (2023-06-29T19:07:17Z) - Adaptive Local-Component-aware Graph Convolutional Network for One-shot
Skeleton-based Action Recognition [54.23513799338309]
骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。
我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
論文 参考訳（メタデータ） (2022-09-21T02:33:07Z) - Quantum state tomography with tensor train cross approximation [84.59270977313619]
測定条件が最小限であるような状態に対して、完全な量子状態トモグラフィが実行可能であることを示す。
本手法は,非構造状態と局所測定のための最もよく知られたトモグラフィー法よりも指数関数的に少ない状態コピーを必要とする。
論文 参考訳（メタデータ） (2022-07-13T17:56:28Z) - Distributed Q-Learning with State Tracking for Multi-agent Networked
Control [61.63442612938345]
本稿では,LQR(Linear Quadratic Regulator)のマルチエージェントネットワークにおける分散Q-ラーニングについて検討する。
エージェントに最適なコントローラを設計するための状態追跡(ST)ベースのQ-ラーニングアルゴリズムを考案する。
論文 参考訳（メタデータ） (2020-12-22T22:03:49Z) - Log-Likelihood Ratio Minimizing Flows: Towards Robust and Quantifiable
Neural Distribution Alignment [52.02794488304448]
そこで本研究では,対数様比統計量と正規化フローに基づく新しい分布アライメント手法を提案する。
入力領域の局所構造を保存する領域アライメントにおいて,結果の最小化を実験的に検証する。
論文 参考訳（メタデータ） (2020-03-26T22:10:04Z) - A Unified Theory of Decentralized SGD with Changing Topology and Local
Updates [70.9701218475002]
分散通信方式の統一収束解析を導入する。
いくつかの応用に対して普遍収束率を導出する。
私たちの証明は弱い仮定に依存している。
論文 参考訳（メタデータ） (2020-03-23T17:49:15Z)
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。