論文の概要: Optimal Quantum Logarithmic Trace Inequality

• arxiv url: http://arxiv.org/abs/2604.14617v1
• Date: Thu, 16 Apr 2026 04:57:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:31.72711
• Title: Optimal Quantum Logarithmic Trace Inequality
• Title（参考訳）: 最適量子対数トレース不等式
• Abstract要約: 我々は、Cheng et al.(arXiv:2507.07961)の最近の境界を強化する鋭い対数的トレース不等式を確立する。 我々は、より小さな定数がすべての正の作用素の不等式を満たすことはないという意味で、$G_s$が最適普遍定数であることを証明する。 これらの鋭い不等式は、疎結合、凸分割、補題の被覆を含む量子情報理論の鍵となるプリミティブを高める。
• 参考スコア（独自算出の注目度）: 2.7074235008521246
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We establish a sharp logarithmic trace inequality that strengthens recent bounds of Cheng et al.(arXiv:2507.07961) by replacing their prefactor $c_s/s$ with the strictly smaller constant $G_s$. The constant $G_s$ is defined via the scalar inequality $\log(1+r)\le G_s r^s$ and admits a closed-form expression in terms of the Lambert $W$ function. Our approach introduces an iterative integration-by-parts procedure that lifts optimal scalar bounds to the operator level without loss. We prove that $G_s$ is the optimal universal constant, in the sense that no smaller constant satisfies the inequality for all positive operators. For density matrices, this optimality persists up to $s\le \frac{1}{2\log(2)}$, while beyond this threshold the commuting case exhibits a strictly smaller optimal constant and the noncommuting case remains open. In the regime $s\to0$, our result improves the prefactor $c_s/s$ of Cheng et al. by a factor of $1/e$. These sharper inequalities enhance key primitives in quantum information theory, including decoupling, convex-splitting, and covering lemmas, leading to tighter finite-resource bounds.
• Abstract（参考訳）: 我々は、Cheng et al (arXiv:2507.07961) の最近の境界を強化するシャープな対数的トレース不等式を確立し、それらのプレファクタ $c_s/s$ を厳密に小さい定数 $G_s$ に置き換える。 定数 $G_s$ はスカラー不等式 $\log(1+r)\le G_s r^s$ で定義され、ランベルト $W$ 関数の項で閉形式式を持つ。 提案手法では,最適スカラー境界を損失なく演算子レベルに引き上げる反復的積分法を提案する。 我々は、より小さな定数がすべての正の作用素の不等式を満たすことはないという意味で、$G_s$が最適普遍定数であることを証明する。 密度行列の場合、この最適性は$s\le \frac{1}{2\log(2)}$まで持続するが、このしきい値を超えると、通勤ケースは厳密に小さい最適定数を示し、非可換ケースは開である。 体制 $s\to0$ では、Cheng et al のプレファクタ $c_s/s$ を 1/e$ の係数で改善します。 これらの鋭い不等式は、疎結合、凸分割、補題の被覆を含む量子情報理論の鍵となるプリミティブを高め、より厳密な有限資源境界をもたらす。

関連論文リスト

• An Argmax Principle for Sum-of-Squares Relaxations on the Sphere [42.540924632302925]
  単位球面上の最適化問題の総和緩和を解析するためのargmax原理を開発する。 私たちの指導原則は、最大値が丸みを帯びた候補であることです。
  論文  参考訳（メタデータ） (2026-08-03T17:58:00Z)
• Asymptotically Optimal Regret for Reinforcement Learning without Horizon Dependence [54.59847568544922]
  有限水平時間同質なマルコフ決定過程に対して、$A$状態、$A$アクション、hoighty $H$、および1ドルで有界なトラジェクティブ当たりの合計報酬について、地平自由な後悔について検討する。 失敗確率$$K$はエピソード数で$tilde O(sqrtSAK+S3K)$ hides $mathsfpolyである。
  論文  参考訳（メタデータ） (2026-07-22T07:42:19Z)
• Near-Optimal Regret in Adversarial Kernel Bandits [50.68324062892194]
  本稿では,各ラウンドにおける損失が任意の有界要素によって誘導される逆カーネルバンドイット問題について検討する。 我々の主な結果は、$widetildeObig(sqrtT, d_*(),log|X|big)$, ここでは$d_*()$は有効次元の広く解釈された概念である。
  論文  参考訳（メタデータ） (2026-05-26T06:10:24Z)
• Optimal Dimension-Free Sampling for Regularized Classification [56.72526267755301]
  我々は、リプシッツ連続分類損失関数の幅広いクラスに対して、$(1pmvarepsilon)$-relativeエラーを達成する最適サンプリング境界を証明した。 これにはロジスティックやシグモイドの損失、ヒンジの損失、ReLUの損失といった重要な機能が含まれており、顕著で一般的な例である。
  論文  参考訳（メタデータ） (2026-05-22T15:05:33Z)
• When Does $\ell_2$-Boosting Overfit Benignly? High-Dimensional Risk Asymptotics and the $\ell_1$ Implicit Bias [15.113649527486276]
  良性オーバーフィッティングが線形レートで失敗することを示します。 この局所化機構は信号の存在下で持続するべきであるが、正確な信号-雑音分解は未解決の問題である。
  論文  参考訳（メタデータ） (2026-05-07T14:14:09Z)
• Hardness of High-Dimensional Linear Classification [58.29089693778071]
  我々は、最大半空間離散性問題に対する次元下界の新たな指数関数を確立する。 どちらも計算幾何学と機械学習の基本的問題であり、その正確で近似的な形式である。
  論文  参考訳（メタデータ） (2026-03-19T15:53:41Z)
• Better bounds on Grothendieck constants of finite orders [20.068273625719943]
  我々は最近のフランク・ウルフのアプローチを利用して、いくつかのグロタンディーク定数を下限とするよい候補を提供する。 完全証明は難解な二項最適化問題を解くことに依存する。
  論文  参考訳（メタデータ） (2024-09-05T17:53:52Z)
• Private Stochastic Convex Optimization with Heavy Tails: Near-Optimality from Simple Reductions [19.008521454738425]
  重み付き勾配を持つ差分プライベート凸最適化(DP-SCO)の問題を考察し、一様境界ではなく、サンプル関数のリプシッツ定数上の$ktextth$-momentを仮定する。 Gcdot frac 1 sqrt n + G_k cdot (fracsqrt dnepsilon) 1 の誤差を達成し、重み付け設定における第1次最適率(対数係数まで)を得るための新しい還元ベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2024-06-04T21:26:29Z)
• A Newton-CG based barrier-augmented Lagrangian method for general nonconvex conic optimization [53.044526424637866]
  本稿では、2つの異なる対象の一般円錐最適化を最小化する近似二階定常点(SOSP)について検討する。 特に、近似SOSPを見つけるためのNewton-CGベースの拡張共役法を提案する。
  論文  参考訳（メタデータ） (2023-01-10T20:43:29Z)
• Optimal Extragradient-Based Bilinearly-Coupled Saddle-Point Optimization [116.89941263390769]
  滑らかな凸凹凸結合型サドル点問題, $min_mathbfxmax_mathbfyF(mathbfx) + H(mathbfx,mathbfy)$ を考える。 漸進的勾配指数(AG-EG)降下指数アルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2022-06-17T06:10:20Z)
• The Convergence Rate of SGD's Final Iterate: Analysis on Dimension Dependence [2.512827436728378]
  Gradient Descent (SGD) は最適化において最も単純で一般的な手法の一つである。 定次元設定におけるSGDの最終点収束を特徴付ける方法を示す。
  論文  参考訳（メタデータ） (2021-06-28T11:51:04Z)
• Private Stochastic Convex Optimization: Optimal Rates in $\ell_1$ Geometry [69.24618367447101]
  対数要因まで $(varepsilon,delta)$-differently private の最適過剰人口損失は $sqrtlog(d)/n + sqrtd/varepsilon n.$ です。 損失関数がさらなる滑らかさの仮定を満たすとき、余剰損失は$sqrtlog(d)/n + (log(d)/varepsilon n)2/3で上界(対数因子まで)であることが示される。
  論文  参考訳（メタデータ） (2021-03-02T06:53:44Z)
• Finding Global Minima via Kernel Approximations [90.42048080064849]
  関数評価のみに基づく滑らかな関数のグローバル最小化を考える。 本稿では,近似関数を共同でモデル化し,大域的最小値を求める手法を検討する。
  論文  参考訳（メタデータ） (2020-12-22T12:59:30Z)

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。