論文の概要: Finite-Sample Selected Covariance Spectra in Classical Shadows

• arxiv url: http://arxiv.org/abs/2606.00527v1
• Date: Sat, 30 May 2026 04:46:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.511158
• Title: Finite-Sample Selected Covariance Spectra in Classical Shadows
• Title（参考訳）: 古典的影における有限サンプル選択共分散スペクトル
• Abstract要約: 主定理は任意のシャドウプロトコルに適用される。 固定された局所的次元を持つ一般の局所積影プロトコルでは、有限重積オブザーバブルは、サポートサイズと局所再構成係数によって制御される境界に導かれる。 偏りのある局所パウリ影に対しては、選択されたパウリ支援と局所基底選択確率から閉形式の有界性を評価する。
• 参考スコア（独自算出の注目度）: 45.85698554568285
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study finite-sample estimation of selected covariance matrices of classical-shadow outputs. For a general shadow-output vector, we consider its covariance matrix and a fixed selected compression. Our main theorem applies to arbitrary shadow protocols and gives an operator-norm error bound for the selected sample-centered empirical covariance. When the protocol-dependent constants appearing in this bound remain independent of the ambient system size, the required sample size is also independent of the ambient dimension. The proof combines matrix Bernstein concentration, an exact rank-one centering identity, and Weyl and Davis--Kahan perturbation bounds. We verify this bounded-output condition for local measurement settings. For general local product shadow protocols with fixed local dimension, finite-weight product observables lead to bounds controlled by support sizes and local reconstruction coefficients, not by the total number of tensor factors. Hence uniform bounds on selected set size, observable weight, and local reconstruction coefficients imply dimension-independent selected covariance estimation. For biased local Pauli shadows, we evaluate the relevant bound in closed form from the selected Pauli supports and local basis-selection probabilities. We also derive an exact covariance formula governed by Pauli compatibility and inverse-probability overlap factors, showing how measurement bias affects both diagonal variances and off-diagonal statistical couplings. A comparison with global Clifford shadows shows that this dimension-independent local behavior is not automatic for every shadow protocol.
• Abstract（参考訳）: 古典シャドウ出力の選択した共分散行列の有限サンプル推定について検討した。 一般的なシャドウ出力ベクトルに対しては、その共分散行列と固定選択圧縮を考える。 我々の主定理は任意のシャドウプロトコルに適用され、選択されたサンプル中心の経験的共分散に対して作用素-ノルム誤差を与える。 この境界に現れるプロトコル依存定数が周囲のシステムサイズとは独立であるとき、必要なサンプルサイズも周囲の次元とは独立である。 この証明は、厳密なランク1中心恒等式である行列ベルンシュタイン濃度と、ワイルとデイビス=カハン摂動境界を組み合わせたものである。 この境界出力条件を局所的な測定条件で検証する。 固定された局所的次元を持つ一般の局所積影プロトコルでは、有限重積観測可能は、テンソル因子の総数ではなく、支持サイズと局所再構成係数によって制御される境界に導かれる。 したがって、選択された集合サイズ、観測可能な重量、局所再構成係数の均一なバウンダリは、次元に依存しない選択された共分散推定を暗示する。 偏りのある局所パウリ影に対しては、選択されたパウリ支援と局所基底選択確率から閉形式の有界性を評価する。 また,パウリとの整合性および逆確率重なり係数に支配される厳密な共分散式を導出し,測定バイアスが対角的分散と外対角的統計結合の両方にどのように影響するかを示した。 グローバルなクリフォードシャドウと比較すると、この次元に依存しない局所的挙動はすべてのシャドウプロトコルにおいて自動ではない。

関連論文リスト

• Real Classical Shadows with Noise [0.0]
  我々は、真の古典的シャドウプロトコルの完全な理論を与える。 ノイズのないサンプル・複雑さの利点は、ノイズ下でも持続可能であることを証明した。
  論文  参考訳（メタデータ） (2026-08-19T14:04:13Z)
• Finite-Probe Total-Variation Certificates for Finite-Basis Drifting Models [1.2072720711193232]
  既知有限密度基底における可積分反対称相互作用と絶対連続法則の凍結測定系について述べる。 ガウス-RBF相互作用では、グローバルエンベロープは無分布および経験的ベルンシュタインラジイをサポートする。 我々は,集団グラム行列によるランダム・プローブの観測性を特徴付け,ランクと対称性のデジェネラを同定し,平均整合に向けて大きな帯域幅の崩壊を証明した。
  論文  参考訳（メタデータ） (2026-08-03T00:00:40Z)
• One-step lowest-variance selection in a Gaussian random-field model motivated by masked diffusion: Total correlation and a square root collision threshold [8.230831152671708]
  マスク付き離散拡散における信頼誘導型並列アンマスキングの動機付けにより、スタイリングされたガウス確率場モデルにおける1つの選択ステップについて検討する。 その結果、マスク付き離散拡散における厳密な信頼幾何と空間相関が一段階選択に結びついている。
  論文  参考訳（メタデータ） (2026-07-20T03:56:34Z)
• ARC: Adaptive Robust Joint State and Covariance Estimation [42.045109659898465]
  センサの測定は、外れ値と非ガウスノイズによって頻繁に破壊される。 センサデータのこれらの不完全性は、古典的状態推定器がバイアス付きで信頼性の低い状態と不確実性の推定を発生させる可能性がある。 本稿では,標準対応型適応ロバスト損失と反復重み付けされたLast-Squares状態更新を組み合わせたBlock-Coordinate Descentフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-18T16:09:50Z)
• StippleDiffusion: Capacity-Constrained Stippling using Controlled Diffusion [41.23458880886283]
  ストイップルパターンは、局所密度がターゲット画像を追跡する点集合であり、伝統的に密度ごとの反復によって生成される。 本稿では, 学習した局所的な点分布と, 推論時の連続的, 画像定義容量制約を同時に満足する最初の拡散型サンプリング器を提案する。 単一のトレーニングされたチェックポイントは、推論時に任意のターゲット密度を受け入れ、トレーニング中に見られなかったポイント予算に一般化し、出力ポイント数からほぼ独立してスタイップルを生成する。
  論文  参考訳（メタデータ） (2026-05-15T10:12:42Z)
• Intrinsic effective sample size for manifold-valued Markov chain Monte Carlo via kernel discrepancy [0.31727619150610836]
  カーネルの差分に基づく効率的なサンプルサイズを提案する。 提案した量は、実験的な分布と対象の分布との間には、同じ2乗のカーネルの差が生じる独立したドローの数である。
  論文  参考訳（メタデータ） (2026-05-05T01:37:41Z)
• Conformal Robust Set Estimation [41.99844472131922]
  本研究では, 点の周囲の半質量半径として定義される非整合度スコアに基づいて, 頑健なコンフォメーション法を提案する。 得られた共形領域は任意のサンプルサイズに対して極端に有効であり、頑健な集団中央集合に収束することを示す。
  論文  参考訳（メタデータ） (2026-04-20T15:59:23Z)
• Deterministic Zeroth-Order Mirror Descent via Vector Fields with A Posteriori Certification [45.85698554568285]
  我々は、勾配を一般的なベクトル場に置き換えることで、決定論的ゼロ階ミラー降下フレームワークを開発する。 我々の分析は、最終段階の不等式評価のための評価テンプレートを提供する。 これらの結果は、ブレグマンのアイデンティティ、決定論的証明、およびゼロ階ミラー降下におけるロバストな円錐幾何学を隠蔽した幾何学的リンクを明らかにする。
  論文  参考訳（メタデータ） (2026-01-31T10:05:05Z)
• Spectrum-Aware Debiasing: A Modern Inference Framework with Applications to Principal Components Regression [1.342834401139078]
  本稿では,高次元回帰のための新しい手法であるSpectrumAware Debiasingを紹介する。 我々のアプローチは、構造的、重く、低ランクな構造に関する問題に適用できる。 シミュレーションおよび実データ実験により本手法を実証する。
  論文  参考訳（メタデータ） (2023-09-14T15:58:30Z)
• Tangent Space and Dimension Estimation with the Wasserstein Distance [10.118241139691952]
  ユークリッド空間の滑らかなコンパクト部分多様体の近くで独立にサンプリングされた点の集合を考える。 我々は、その多様体の次元と接空間の両方を推定するために必要なサンプル点の数について数学的に厳密な境界を与える。
  論文  参考訳（メタデータ） (2021-10-12T21:02:06Z)
• Coordinate Independent Convolutional Networks -- Isometry and Gauge Equivariant Convolutions on Riemannian Manifolds [70.32518963244466]
  平坦空間と比較して大きな複雑さは、コンボリューション核が多様体にどのようなアライメントを適用するべきかが不明確であることである。 コーディネート化の特定の選択は、ネットワークの推論に影響を与えるべきではない、と我々は主張する。 座標独立と重み共有の同時要求は、ネットワーク上の同変要求をもたらす。
  論文  参考訳（メタデータ） (2021-06-10T19:54:19Z)
• Spatially relaxed inference on high-dimensional linear models [48.989769153211995]
  本研究では,空間的に制約されたクラスタリング,統計的推論,アンサンブルを組み合わせ,複数のクラスタリング推論解を集約するアンサンブルクラスタリング推論アルゴリズムの特性について検討する。 アンサンブルクラスタ推論アルゴリズムは,最大クラスター径に等しい$delta$-FWERの標準仮定で$delta$-FWERを制御することを示す。
  論文  参考訳（メタデータ） (2021-06-04T16:37:19Z)
• Rethinking Content and Style: Exploring Bias for Unsupervised Disentanglement [59.033559925639075]
  本研究では,異なる要因が画像再構成において重要度や人気度が異なるという仮定に基づいて,教師なしc-s異節の定式化を提案する。 モデルインダクティブバイアスは,提案したC-Sアンタングルメントモジュール(C-S DisMo)によって導入された。 いくつかの一般的なデータセットに対する実験により、我々の手法が最先端の教師なしC-Sアンタングルメントを実現することを示す。
  論文  参考訳（メタデータ） (2021-02-21T08:04:33Z)

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。