論文の概要: Sufficient support size of measurements for quantum estimation

• arxiv url: http://arxiv.org/abs/2604.21323v1
• Date: Thu, 23 Apr 2026 06:26:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.33279
• Title: Sufficient support size of measurements for quantum estimation
• Title（参考訳）: 量子推定のための測定値の十分な支持サイズ
• Authors: Koichi Yamagata,
• Abstract要約: 我々は、少なくとも$left(rm dim, MathcalHright)2+d(d+1)/2-1$の結果を持つPOVMを考慮すれば十分であることを示す。
• 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: In quantum estimation for a $d$-parameter family of density operators on a finite-dimensional Hilbert space $\mathcal{H}$, an estimator is specified by a pair $\left(M,\hatθ\right)$, where $M$ is a POVM with a finite outcome set $Ω$ and $\hatθ:Ω\to\mathbb{R}^{d}$ is a classical estimator map. Since the number of outcomes $\left|Ω\right|$ is a priori unbounded, the space of admissible POVMs is vast, which makes the search for optimal estimators difficult. In this paper, for the minimization of the weighted trace of the mean squared error among locally unbiased estimators, we prove that it suffices to consider POVMs with at most $\left({\rm dim}\,\mathcal{H}\right)^{2}+d(d+1)/2-1$ outcomes, and that an optimal measurement can be chosen to be rank-one. For the minimization of the average weighted trace of the mean squared error in Bayesian estimation, we show that it suffices to consider POVMs with at most $\left( {\rm dim}\, \mathcal{H}\right)^{2}$outcomes, and again an optimal POVM can be taken to be rank-one. Furthermore, when the model admits a real sufficient subalgebra, we show that the $\left( {\rm dim}\, \mathcal{H} \right)^{2}$ term in the above support-size bounds can be reduced in both the locally unbiased and Bayesian settings. These bounds substantially reduce the search space for optimal measurements and justify restricting numerical optimization to rank-one POVMs with finitely many outcomes.
• Abstract（参考訳）: 有限次元ヒルベルト空間 $\mathcal{H}$ 上の密度作用素の$d$-パラメータ族に対する量子推定において、推定子はペア $\left(M,\hatθ\right)$ で指定され、$M$ は有限結果集合 $$$$$$ と $\hatθ:Ω\to\mathbb{R}^{d}$ を持つ POVM である。 結果の数が $\left|Ω\right|$ は未有界であるから、許容できる POVM の空間は巨大であり、最適推定器の探索は困難である。 本稿では,局所的不偏推定器間の平均二乗誤差の重み付きトレースを最小化するために,最大$\left({\rm dim}\,\mathcal{H}\right)^{2}+d(d+1)/2-1$のPOVMを考えるのに十分であることを示す。 ベイズ推定における平均二乗誤差の平均重み付きトレースを最小化するために、最大$\left( {\rm dim}\, \mathcal{H}\right)^{2}$outcomes でPOVMを考えるのに十分であることを示す。 さらに、モデルが真の十分部分代数を許容すると、上記のサポートサイズ境界における$\left( {\rm dim}\, \mathcal{H} \right)^{2}$項が局所的偏りとベイズ的設定の両方で減少することを示す。 これらの境界は、最適測定のための探索空間を大幅に減らし、有限個の結果を持つランク1のPOVMに数値最適化を制限することを正当化する。

関連論文リスト

• Obtaining Lower Query Complexities through Lightweight Zeroth-Order Proximal Gradient Algorithms [65.42376001308064]
  複素勾配問題に対する2つの分散化ZO推定器を提案する。 我々は、現在最先端の機能複雑性を$mathcalOleft(minfracdn1/2epsilon2, fracdepsilon3right)$から$tildecalOleft(fracdepsilon2right)$に改善する。
  論文  参考訳（メタデータ） (2024-10-03T15:04:01Z)
• Optimal Sketching for Residual Error Estimation for Matrix and Vector Norms [50.15964512954274]
  線形スケッチを用いた行列とベクトルノルムの残差誤差推定問題について検討する。 これは、前作とほぼ同じスケッチサイズと精度で、経験的にかなり有利であることを示す。 また、スパースリカバリ問題に対して$Omega(k2/pn1-2/p)$低いバウンダリを示し、これは$mathrmpoly(log n)$ factorまで厳密である。
  論文  参考訳（メタデータ） (2024-08-16T02:33:07Z)
• Minimax Optimality of Score-based Diffusion Models: Beyond the Density Lower Bound Assumptions [11.222970035173372]
  カーネルベースのスコア推定器は$widetildeOleft(n-1 t-fracd+22(tfracd2 vee 1)rightの最適平均二乗誤差を達成する 核を用いたスコア推定器は,拡散モデルで生成した試料の分布の総変動誤差に対して,極小ガウスの下での最大平均2乗誤差を$widetildeOleft(n-1/2 t-fracd4right)$上界で達成することを示す。
  論文  参考訳（メタデータ） (2024-02-23T20:51:31Z)
• Nearly Minimax Optimal Regret for Learning Linear Mixture Stochastic Shortest Path [80.60592344361073]
  線形混合遷移カーネルを用いた最短経路(SSP)問題について検討する。 エージェントは繰り返し環境と対話し、累積コストを最小化しながら特定の目標状態に到達する。 既存の作業は、イテレーションコスト関数の厳密な下限や、最適ポリシーに対する期待長の上限を仮定することが多い。
  論文  参考訳（メタデータ） (2024-02-14T07:52:00Z)
• Semidefinite programming relaxations and debiasing for MAXCUT-based clustering [1.9761774213809036]
  2つのガウス分布を$mathbbRp$で混合して引き出す小さなデータサンプルを$n$で分割する問題を考察する。 グラフ上の最大カットを求めるように定式化された整数二次プログラムの半定値プログラミング緩和を用いる。
  論文  参考訳（メタデータ） (2024-01-16T03:14:24Z)
• Optimality in Mean Estimation: Beyond Worst-Case, Beyond Sub-Gaussian, and Beyond $1+\alpha$ Moments [10.889739958035536]
  本稿では,アルゴリズムの微細な最適性を分析するための新しい定義フレームワークを提案する。 平均値の中央値は近傍最適であり, 一定の要因が得られている。 定数係数のずれのない近傍分離推定器を見つけることは自由である。
  論文  参考訳（メタデータ） (2023-11-21T18:50:38Z)
• Memory Efficient And Minimax Distribution Estimation Under Wasserstein Distance Using Bayesian Histograms [6.21295508577576]
  例えば、$d 2v$の場合、ヒストグラムは特別なテキストメモリ効率特性を持ち、サンプルサイズが$nであるのに対して、$nd/2v$ binsはミニマックスレートの最適性を得るために必要であることを示す。 達成されたメモリフットプリントは、既存のミニマックス最適手順を$n$の係数で克服する。例えば、ボレル確率測度クラスのミニマックス推定器である経験的測度と比較した場合、フットプリントを$n1 - d/2v$に削減する。
  論文  参考訳（メタデータ） (2023-07-19T16:13:20Z)
• Near Sample-Optimal Reduction-based Policy Learning for Average Reward MDP [58.13930707612128]
  この研究は、平均報酬マルコフ決定過程(AMDP)における$varepsilon$-Optimal Policyを得る際のサンプルの複雑さを考察する。 我々は、状態-作用対当たりの$widetilde O(H varepsilon-3 ln frac1delta)$サンプルを証明し、$H := sp(h*)$は任意の最適ポリシーのバイアスのスパンであり、$varepsilon$は精度、$delta$は失敗確率である。
  論文  参考訳（メタデータ） (2022-12-01T15:57:58Z)
• Best Policy Identification in Linear MDPs [70.57916977441262]
  縮退した線形マルコフ+デルタ決定における最適同定問題について, 生成モデルに基づく固定信頼度設定における検討を行った。 複雑な非最適化プログラムの解としての下位境界は、そのようなアルゴリズムを考案する出発点として用いられる。
  論文  参考訳（メタデータ） (2022-08-11T04:12:50Z)
• Minimax Optimal Quantization of Linear Models: Information-Theoretic Limits and Efficient Algorithms [59.724977092582535]
  測定から学習した線形モデルの定量化の問題を考える。 この設定の下では、ミニマックスリスクに対する情報理論の下限を導出する。 本稿では,2層ReLUニューラルネットワークに対して,提案手法と上界を拡張可能であることを示す。
  論文  参考訳（メタデータ） (2022-02-23T02:39:04Z)

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。