論文の概要: Stopping Reliability in Adaptive Krylov-Shadow Quantum Fisher Information Estimation

• arxiv url: http://arxiv.org/abs/2605.14338v1
• Date: Thu, 14 May 2026 04:02:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-15 21:45:34.611688
• Title: Stopping Reliability in Adaptive Krylov-Shadow Quantum Fisher Information Estimation
• Title（参考訳）: 適応的Krylov-Shadow量子漁獲量推定における停止信頼性
• Authors: Erjie Liu, Yangshuai Wang,
• Abstract要約: アダプティブ量子フィッシャー情報(QFI)推定は、精度と明らかな数値安定性を区別する停止規則を必要とする。 区間幅と局所クリロフ安定性に基づく幅のみの経験的停止則は,ポストホック誤差が要求される許容値を超えた場合でも,小さい$(K,M)$で収束を宣言できることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Adaptive quantum Fisher information (QFI) estimation requires a stopping rule that distinguishes accuracy from apparent numerical stability. For Krylov-shadow QFI estimators, finite Krylov order $K$ produces truncation bias, while finite sample budget $M$ produces finite-$M$ sampling-side error. We show that a width-only empirical stopping rule, based on interval width and local Krylov stability, can declare convergence at small $(K,M)$ even when the post hoc error exceeds the requested tolerance; we call this event a \emph{false stop}. The mechanism is a narrow empirical interval centered on a biased low-$K$ estimate. We give a two-component stopping analysis that separates the Krylov and sampling terms, and we implement a guarded rule that permits a success declaration only after minimum thresholds in $K$ and $M$ and a persistence condition are satisfied. On a five-level dephasing benchmark at $n=4$ qubits, the guarded rule suppresses the false success declarations produced by the width-only empirical rule, whose false-stop rates range from $0.16$ to $0.68$ across the tested noise levels. Under the main fixed resource limit, the guarded rule refuses to make success declarations rather than accepting biased low-$K$ estimates; a separate true-relative-tolerance sampling-budget sequence then shows that, after Krylov and sampling recalibration, the same decision principle can make success declarations without observed false stops. These results show that stopping reliability is a distinct design requirement for adaptive QFI estimation: sampling precision at fixed $K$ does not by itself establish that Krylov truncation bias is controlled.
• Abstract（参考訳）: アダプティブ量子フィッシャー情報(QFI)推定は、精度と明らかな数値安定性を区別する停止規則を必要とする。 Krylov-shadow QFI 推定器の場合、有限クリロフ次数$K$はトランケーションバイアス、有限サンプル予算$M$は有限-M$サンプリング側誤差を生成する。 区間幅と局所クリャロフ安定性に基づく幅のみの実験的な停止規則は、ポストホック誤差が要求される許容値を超えた場合でも、小さな$(K,M)$で収束を宣言できることを示し、この事象を \emph{false stop} と呼ぶ。 このメカニズムは、偏りの低いK$の見積を中心にした、狭い経験的間隔である。 Krylovとサンプリング項を分離する2成分停止解析を行い、最低閾値が$K$と$M$の後にのみ成功宣言を許容するガード付きルールを実装し、持続条件を満たす。 n=4$ qubitsの5レベルのデファーシングベンチマークでは、ガードされたルールは、テストされたノイズレベル全体にわたって0.16$から0.68$の範囲で、幅のみの経験則によって生じる偽の成功宣言を抑える。 主要な固定資源制限の下では、ガードされたルールは、バイアス付き低いK$の推定を受け入れるのではなく、成功宣言を拒否する; 分離された真相対耐性サンプリング予算列は、クリロフとサンプリング再分類の後、同じ決定原理が誤った停止を観測せずに成功宣言をすることができることを示す。 固定された$K$でのサンプリング精度は、Krylov truncation のバイアスが制御されていることをそれ自体は証明しない。

関連論文リスト

• When to Trust Confidence Thresholding: Calibration Diagnostics for Pseudo-Labelled Regression [1.14219428942199]
  標準的なプラクティスは、信頼性カットオフで校正されたスコアをしきい値にし、ハードラベルを真実として扱うことである。 疑似ラベリングパイプラインのためのキャリブレーション対応診断装置を開発した。 我々は、下流回帰係数において信頼しきい値が誘導する減衰バイアスの閉形式式を導出する。
  論文  参考訳（メタデータ） (2026-05-12T21:49:11Z)
• When Are Trade-Off Functions Testable from Finite Samples? [4.706977254727891]
  2つの未知確率分布のトレードオフ関数に対する有限サンプル推論について検討する。 テストの反転により、トレードオフ曲線全体に対する同時信頼バンドも得られる。
  論文  参考訳（メタデータ） (2026-05-11T16:07:48Z)
• Reinforcement Learning Trained Observer Control for Bearings-Only Tracking [0.9167082845109437]
  本稿では、自律型ベアリングのみの移動目標追跡のための強化学習に基づくオブザーバ制御ポリシーを開発する。 報酬関数は、絶対目標位置推定誤差の最小化とCKF推定一貫性の維持という、2つの矛盾する目標に対処するように設計されている。 その結果、DQNの$0.7ドルのポリシーは、正確性と堅牢性の間の最良のトレードオフを達成していることがわかった。
  論文  参考訳（メタデータ） (2026-05-04T00:55:14Z)
• Adaptive Confidence Intervals in Efron's Gaussian Two-Groups Model [28.636700996382558]
  敵のノイズに満ちた性質により、Efronのガウス的二群分数モデルにおいて、ヌル位置パラメータ$$に対する信頼区間を研究する。 信頼区間の最小最適長を、未知の割合の汚染と全てのノイズに満ちた敵に対して、所定のカバレッジレベルで特徴付ける。
  論文  参考訳（メタデータ） (2026-04-28T22:40:54Z)
• LEC: Linear Expectation Constraints for False-Discovery Control in Selective Prediction and Routing Systems [95.35293543918762]
  大規模言語モデル(LLM)はしばしば信頼できない答えを生成するが、不確実性のある手法は誤った予測と完全に区別することができない。 我々は、この問題を、偽発見率(FDR)制御のレンズを通して解決し、全ての許容された予測のうち、エラーの割合が目標のリスクレベルを超えないことを保証する。 本稿では,線形期待制約を強制することで,選択予測を制約付き決定問題として再解釈するLECを提案する。
  論文  参考訳（メタデータ） (2025-12-01T11:27:09Z)
• Robust Conformal Prediction with a Single Binary Certificate [58.450154976190795]
  コンフォーマル予測(CP)は、任意のモデルの出力を、真のラベルを(調整可能な)高い確率でカバーすることを保証した予測セットに変換する。 我々は,MCサンプルが著しく低い場合でも,より小さな集合を生成する頑健な共形予測を提案する。
  論文  参考訳（メタデータ） (2025-03-07T08:41:53Z)
• Certified Robust Models with Slack Control and Large Lipschitz Constants [102.69689641398227]
  本稿では,2つの問題に対処するCalibrated Lipschitz-Margin Loss (CLL)を提案する。 第一に、一般的に使用されるマージン損失は、縮小する出力分布に対する罰則を調整しない。 第二に、$K$の最小化は過度に滑らかな決定関数をもたらす。 我々のCLLは、損失w.r.t.マージンとリプシッツ定数を明示的に調整することでこれらの問題に対処する。
  論文  参考訳（メタデータ） (2023-09-12T12:23:49Z)
• When Does Confidence-Based Cascade Deferral Suffice? [69.28314307469381]
  カスケードは、推論コストをサンプル毎に適応的に変化させる古典的な戦略である。 deferralルールは、シーケンス内の次の分類子を呼び出すか、または予測を終了するかを決定する。 カスケードの構造に執着しているにもかかわらず、信頼に基づく推論は実際は極めてうまく機能することが多い。
  論文  参考訳（メタデータ） (2023-07-06T04:13:57Z)
• Minimax Instrumental Variable Regression and $L_2$ Convergence Guarantees without Identification or Closedness [71.42652863687117]
  インストゥルメンタル変数(IV)回帰の非パラメトリック推定について検討した。 固定IV解に収束できる新しいペナル化ミニマックス推定器を提案する。 ラックス条件下での推定値に対して強い$L$誤差率を導出する。
  論文  参考訳（メタデータ） (2023-02-10T18:08:49Z)

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。