論文の概要: Quantum Proper Scoring Rules: Minimax Estimation and Resource-Theoretic Advantages

• arxiv url: http://arxiv.org/abs/2605.05268v1
• Date: Wed, 06 May 2026 11:23:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.328391
• Title: Quantum Proper Scoring Rules: Minimax Estimation and Resource-Theoretic Advantages
• Title（参考訳）: 量子プロパタイニングルール:最小値推定と資源理論的アドバンテージ
• Abstract要約: 適切なスコアリングルールを量子領域に一般化し、確率分布を密度演算子に置き換える。 演算子凸生成器を介して量子値関数を定義し、適切な量子スコアリング規則を生成する完全双対理論を確立する。 この結果は,量子センサ,インセンティブに適合する量子データ市場,堅牢な量子機械学習プロトコルの設計を導くものである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We generalize proper scoring rules to the quantum domain, replacing probability distributions with density operators. We define Quantum Value Functionals via operator convex generators and establish a complete duality theory yielding proper quantum scoring rules. We derive minimax optimal bounds for quantum state tomography under McCarthy-type incentives, proving a Quantum Cramér-Rao-McCarthy Bound that explicitly links minimax risk to the curvature of the generating function and the Quantum Fisher Information. We quantify the economic value of quantum resources (coherence, entanglement, adaptivity) in forecasting tasks, establishing scaling separations between classical and quantum estimation strategies. Our results guide the design of quantum sensors, incentive-compatible quantum data markets, and robust quantum machine learning protocols.
• Abstract（参考訳）: 適切なスコアリングルールを量子領域に一般化し、確率分布を密度演算子に置き換える。 演算子凸生成器を介して量子値関数を定義し、適切な量子スコアリング規則を生成する完全双対理論を確立する。 我々は、マッカーシー型インセンティブの下で量子状態トモグラフィーのためのミニマックス最適境界を導出し、ミニマックスリスクと生成関数の曲率と量子フィッシャー情報とを明示的に結びつける量子クラメル-ラオ-マッカーシー境界を証明した。 タスク予測における量子資源の経済的価値(コヒーレンス、絡み合い、適応性)を定量化し、古典的および量子的推定戦略のスケール分離を確立する。 この結果は,量子センサ,インセンティブに適合する量子データ市場,堅牢な量子機械学習プロトコルの設計を導くものである。

関連論文リスト

• Strategic Plan for Neutral Atom Quantum Computation [84.56908019536233]
  我々は中性原子量子計算の戦略的計画を提案し、ハードウェア開発と理論の進歩をもたらした。 実用的な量子優位性の概念は、利点の主張を検証する方法や、実用的な利点をもたらす量子アルゴリズムを設計するためのアプローチとともに定義される。
  論文  参考訳（メタデータ） (2026-07-23T17:36:19Z)
• Quantum Circuit-Based Adaptation for Credit Risk Analysis [27.308408027453012]
  NISQ(Noisy and Intermediate-Scale Quantum)は、ノイズに敏感で、量子デコヒーレンスの傾向があり、フォールトトレラント量子計算のための連続的な量子エラー補正がまだできないプロセッサである。 超伝導量子処理ユニット上のハードウェア対応変分量子回路が、特定のユースケースのCredit Risk Analysisに関係のある分布をモデル化する方法を実験的に検討した。
  論文  参考訳（メタデータ） (2026-01-11T11:17:37Z)
• From Classical Data to Quantum Advantage -- Quantum Policy Evaluation on Quantum Hardware [1.451206235416202]
  量子ポリシー評価(Quantum Policy Evaluation, QPE)は、古典モンテカルロ推定法よりも2次的に効率的である強化学習アルゴリズムである。 量子ハードウェア上での量子機械学習(QML)により、これらの環境パラメータが古典的な観測データのバッチからどのように学習できるかを示す。 実験の結果,ノイズや短コヒーレンス時間といった課題にもかかわらず,QMLとQPEの統合はRLにおける量子的優位性の実現に有望な可能性を示唆している。
  論文  参考訳（メタデータ） (2025-09-09T11:36:25Z)
• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
  変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。 本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• From top quarks to enhanced quantum key distribution: A Framework for Optimal Predictability of Quantum Observables [0.0]
  両部量子系における測定の予測可能性の定量化のための包括的枠組みを提案する。 任意の可観測状態と2キュービット状態の予測誤差を最小限に抑える最適測定のための解析式を導出する。 我々は,局所的な振幅減衰雑音の影響を受けやすいベル状態と,高エネルギー衝突器で生成するトップ・アンチトップクォーク対の2つのシナリオに適用した。
  論文  参考訳（メタデータ） (2025-05-30T12:03:59Z)
• Quantifying Quantum Steering with Limited Resources: A Semi-supervised Machine Learning Approach [3.6384366906530623]
  量子ステアリングは、絡み合いと非局所性の間の中間的相関である。 SDPは量子ステアリングの定量化に有用なツールであることが証明されている。 本研究では,半教師付き自己学習モデルを用いて,ステアブルウェイトを推定する。
  論文  参考訳（メタデータ） (2025-01-18T12:14:37Z)
• Power Characterization of Noisy Quantum Kernels [52.47151453259434]
  一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。 我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
  論文  参考訳（メタデータ） (2024-01-31T01:02:16Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
  本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。 本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
  論文  参考訳（メタデータ） (2022-09-16T02:37:32Z)
• Theory of Quantum Generative Learning Models with Maximum Mean Discrepancy [67.02951777522547]
  量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。 まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。 次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
  論文  参考訳（メタデータ） (2022-05-10T08:05:59Z)
• Trainable Discrete Feature Embeddings for Variational Quantum Classifier [4.40450723619303]
  我々は、QRAC(Quantum Random Access Coding)を用いて、より少ない量子ビットで離散的な特徴をマップする方法を示す。 QRACと最近提案された量子量学習(quantum metric learning)と呼ばれる量子特徴マップのトレーニング戦略を組み合わせることで、個別の特徴をトレーニング可能な量子回路に埋め込む新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-06-17T12:02:01Z)

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。