論文の概要: Closed-form Bayesian quantum estimation of Gaussian states

• arxiv url: http://arxiv.org/abs/2605.16978v1
• Date: Sat, 16 May 2026 12:56:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:47.401185
• Title: Closed-form Bayesian quantum estimation of Gaussian states
• Title（参考訳）: ガウス状態の閉形式ベイズ量子推定
• Authors: Edward Gandar, Jesús Rubio,
• Abstract要約: 本稿では,有限次元線形問題に対する測定値と推定値の最適化を削減した変分フレームワークを提案する。 本手法はガウス演算と二次測度に基づく実験的に実現可能な戦略を導出することを示す。
• 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: Bayesian quantum estimation provides a robust framework for quantum technologies, especially in scenarios with limited data and minimal prior information. Yet, its application to continuous-variable Gaussian systems has remained limited and largely numerical due to the complexity of the underlying parameter integrals. Here, we introduce a variational framework reducing the optimisation over measurements and estimators to a finite-dimensional linear problem and admitting closed-form solutions. This is achieved by restricting the analysis to operators polynomial in the canonical quadratures, leading to solutions with a geometric interpretation as orthogonal projections of the global optimum. We further derive a necessary and sufficient condition for global optimality. Through single-shot examples, we show that the framework yields experimentally feasible strategies based on Gaussian operations and quadrature measurements that are either optimal or near-optimal, and that replacing the induced estimator with the posterior mean further improves performance towards the global optimum.
• Abstract（参考訳）: ベイズ量子推定は、特に限られたデータと最小の事前情報を持つシナリオにおいて、量子技術のための堅牢なフレームワークを提供する。 しかし、連続変数ガウス系へのその応用は、基礎となるパラメータ積分の複雑さのため、制限され、大部分が数値的である。 本稿では,有限次元線形問題に対する測定値と推定値の最適化を減らし,閉形式解を認める変分フレームワークを提案する。 これは、解析を正準二次の作用素多項式に制限することで達成され、大域的最適の直交射影として幾何学的解釈を持つ解が導かれる。 我々はさらに、大域的最適性のための必要かつ十分な条件を導出する。 単発的な例を通して、このフレームワークは最適かほぼ最適かのどちらかであるガウス演算と二次的測定に基づいて実験的に実現可能な戦略を導出し、誘導推定器を後進平均に置き換えることで、グローバルな最適化に向けたパフォーマンスがさらに向上することを示す。

関連論文リスト

• An Efficient Spatial Branch-and-Bound Algorithm for Global Optimization of Gaussian Process Posterior Mean Functions [2.738648582869357]
  空間空間の分枝および分枝における部分解析的下界表現が平均値に有効であることを示す。 その結果,PALM-Meanはデータ点数の増加に伴い,汎用的グローバルトレーニングの改善を図っている。
  論文  参考訳（メタデータ） (2026-04-21T01:13:54Z)
• Stochastic Control Methods for Optimization [0.0]
  ユークリッド設定では、正規化制御問題の問題を解析する。 大域的な測度では、マスターフィールド問題によって特徴づけられる正規化された平均場問題を定式化する。
  論文  参考訳（メタデータ） (2026-01-03T17:55:26Z)
• Certified bounds on optimization problems in quantum theory [2.8417851789786686]
  数値データから非可換問題に対する厳密な合理的な最適化を行うための厳密な枠組みを提案する。 空間性や対称性に適応した半定値緩和への拡張も一般のスキームに比較して提供される。
  論文  参考訳（メタデータ） (2025-12-19T15:44:15Z)
• On the Optimal Construction of Unbiased Gradient Estimators for Zeroth-Order Optimization [57.179679246370114]
  既存の手法の潜在的な制限は、ステップサイズが提案されない限り、ほとんどの摂動推定器に固有のバイアスである。 本稿では, 良好な構成を維持しつつ, バイアスを排除した非バイアス勾配スケーリング推定器のファミリーを提案する。
  論文  参考訳（メタデータ） (2025-10-22T18:25:43Z)
• Neural Optimal Transport Meets Multivariate Conformal Prediction [58.43397908730771]
  条件付きベクトル回帰(CVQR)のためのフレームワークを提案する。 CVQRは、ニューラルネットワークの最適輸送と量子化された最適化を組み合わせて、予測に適用する。
  論文  参考訳（メタデータ） (2025-09-29T19:50:19Z)
• Quantization through Piecewise-Affine Regularization: Optimization and Statistical Guarantees [13.571671030124604]
  Piecewise regularization (PAR) は、統計的視点に基づく柔軟なモデリングを提供する。 グラデーションと交互方向乗算器を用いて問題を解くためにPAR法を用いる方法を示す。
  論文  参考訳（メタデータ） (2025-08-14T23:35:21Z)
• A Novel Unified Parametric Assumption for Nonconvex Optimization [53.943470475510196]
  非最適化は機械学習の中心であるが、一般の非凸性は弱い収束を保証するため、他方に比べて悲観的すぎる。 非凸アルゴリズムに新しい統一仮定を導入する。
  論文  参考訳（メタデータ） (2025-02-17T21:25:31Z)
• Generalization Bounds of Surrogate Policies for Combinatorial Optimization Problems [53.03951222945921]
  我々はスムーズな(摂動された)ポリシーを解析し、線形オラクルが使用する方向に対して制御されたランダムな摂動を付加する。 我々の主な貢献は、過剰リスクを摂動バイアス、統計的推定誤差、最適化誤差に分解する一般化境界である。 車両のスケジューリングやスムーズ化がトラクタブルトレーニングと制御された一般化の両方を可能にしていることを示す。
  論文  参考訳（メタデータ） (2024-07-24T12:00:30Z)
• Non-Convex Optimization with Certificates and Fast Rates Through Kernel Sums of Squares [68.8204255655161]
  非最適化近似問題を考える。 本稿では,最優先計算を保証するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-04-11T09:37:04Z)
• Global Optimization of Gaussian processes [52.77024349608834]
  少数のデータポイントで学習したガウス過程を訓練した空間定式化を提案する。 このアプローチはまた、より小さく、計算的にもより安価なサブソルバを低いバウンディングに導く。 提案手法の順序の順序による時間収束を,総じて低減する。
  論文  参考訳（メタデータ） (2020-05-21T20:59:11Z)
• Stochastic Zeroth-order Riemannian Derivative Estimation and Optimization [15.78743548731191]
  多様体非線型性の非線型性の難しさを克服するために、ガウス滑らか化関数のオラクル版を提案する。 ニューラルネットワークに対するロボティクスとブラックボックス攻撃に対するブラックボックス剛性制御における,結果によるアルゴリズムの適用性と実世界の応用を実証する。
  論文  参考訳（メタデータ） (2020-03-25T06:58:19Z)

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。