論文の概要: Optimizing resource bounds in direct fidelity estimation
- arxiv url: http://arxiv.org/abs/2606.16336v1
- Date: Mon, 15 Jun 2026 07:43:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:34.155452
- Title: Optimizing resource bounds in direct fidelity estimation
- Title（参考訳）: 直接忠実度推定における資源境界の最適化
- Authors: Netanel Barel, Lee Peleg, Yotam Kadish, Amit Ben Kish, Yotam Shapira,
- Abstract要約: 直接忠実度推定は、実験的に準備された状態と所望の純粋ターゲット状態の間の忠実度を推定する方法を提供する。
2011年にFlamiaとLiuとda Silva、Landon-Cardinal、Poulinによって2つの重要な定式化が導入された。
ノイズに関する付加的な構造情報は、対応するリソース境界を大幅に鋭くすることができることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Direct fidelity estimation provides a way to estimate the fidelity between an experimentally prepared state and a desired pure target state without performing full tomography. Two influential formulations were introduced in 2011 by Flammia and Liu and by da Silva, Landon-Cardinal, and Poulin. In these protocols, the total estimation error is controlled through two distinct probabilistic steps: first, the fidelity is approximated using randomly sampled Pauli observables; second, each sampled expectation value is estimated from finitely many measurement outcomes. In this work we show that additional structural information about the noise can substantially sharpen the corresponding resource bounds. In particular, for some canonical channels the effective number of sampled Pauli settings can be reduced, leading to lower measurement cost both in the general pure-state setting and in the case of a stabilizer state. These results illustrate a broader point: worst-case confidence bounds in direct fidelity estimation can be significantly conservative when experimentally relevant structure is ignored. As a technical ingredient, we also revisit the allocation of the total accuracy and confidence budgets between the two probabilistic steps. Reformulating the analysis in terms of separate error parameters yields a constrained optimization problem whose solution lowers the average number of measurements in the general pure-state setting. Numerical simulations based on quantum circuits implemented in Qiskit illustrate both the improvement obtained under structured-noise assumptions and the conservativeness of the original worst-case bounds.
- Abstract（参考訳）: 直接忠実度推定は、完全な断層撮影を行うことなく、実験的に準備された状態と所望の純粋目標状態との間の忠実度を推定する方法を提供する。
2011年にFlamiaとLiuとda Silva、Landon-Cardinal、Poulinによって2つの重要な定式化が導入された。
これらのプロトコルでは、総推定誤差は、2つの異なる確率的ステップによって制御される: 第一に、忠実度はランダムにサンプリングされたパウリ観測値を用いて近似され、第二に、各サンプル予測値は有限個の測定結果から推定される。
本研究は,ノイズに関する付加的な構造情報により,対応する資源境界を著しく鋭くすることができることを示す。
特に、一部の標準チャネルでは、サンプルパウリ設定の有効数が減少し、一般的な純状態設定と安定化状態の両方において測定コストが低下する。
これらの結果は、実験的な構造が無視された場合、直接忠実度推定における最悪のケース信頼境界が著しく保守的であることを示している。
技術的要素として,2つの確率的ステップ間の総合的精度と信頼度予算の配分を再考する。
別個の誤差パラメータで解析を再構成すると、解が一般的な純粋状態設定における平均測定数を下げる制約付き最適化問題が得られる。
Qiskitで実装された量子回路に基づく数値シミュレーションでは、構造化ノイズ仮定の下で得られた改善と、元の最悪のケース境界の保守性の両方が示されている。
関連論文リスト
- Beyond Consistency: Inference for the Relative risk functional in Deep Nonparametric Cox Models [7.2275111013288535]
Coxをベースとした最適化誤差が、部分的可能性の下で集団リスクにどのように伝播するかは明らかでない。
また、ポイントワイドバイアスがどのように制御できるのか、またアンサンブルに基づく不確実性が現実的な分散体制の下でどのように振る舞うのかも不明である。
これらの問題に対処するディープコックス推定器の分布理論を開発する。
論文 参考訳（メタデータ） (2026-03-25T01:43:12Z) - Sharp Convergence Rates for Masked Diffusion Models [53.117058231393834]
制約を克服するオイラー法に対する全変分に基づく解析法を開発した。
その結果、スコア推定の仮定を緩和し、パラメータ依存性を改善し、収束保証を確立する。
全体としては,CTMC軌道に沿った直接テレビによる誤り分解と,FHSのためのデカップリングに基づく経路解析を導入している。
論文 参考訳（メタデータ） (2026-02-26T00:47:51Z) - Mitigating sloppiness in joint estimation of successive squeezing parameters [2.0249250133493195]
フィールドモードには、同一位相の2つの連続スキューズ操作が適用される。
出力状態がそれぞれの和にのみ依存するため、それぞれの振幅を確実に推定することは不可能である。
我々は,位相シフトスクランブル変換の効果を詳細に解析し,スロピネスの低減と全体の推定精度の最大化に最適化した。
論文 参考訳（メタデータ） (2025-06-18T17:08:18Z) - In-Context Parametric Inference: Point or Distribution Estimators? [66.22308335324239]
償却点推定器は一般に後部推論より優れているが、後者は低次元問題では競争力がある。
実験の結果, 償却点推定器は一般に後部推定より優れているが, 後者は低次元問題では競争力があることがわかった。
論文 参考訳（メタデータ） (2025-02-17T10:00:24Z) - Semiparametric conformal prediction [79.6147286161434]
ベクトル値の非整合性スコアの結合相関構造を考慮した共形予測セットを構築する。
スコアの累積分布関数(CDF)を柔軟に推定する。
提案手法は,現実の回帰問題に対して,所望のカバレッジと競争効率をもたらす。
論文 参考訳（メタデータ） (2024-11-04T14:29:02Z) - Double Robust Bayesian Inference on Average Treatment Effects [2.458652618559425]
不整合下での平均処理効果(ATE)に対する二重頑健なベイズ推定法を提案する。
新しいベイズ的アプローチでは、まず条件付き平均関数の事前分布を調整し、得られた ATE の後方分布を補正する。
論文 参考訳（メタデータ） (2022-11-29T15:32:25Z) - Wasserstein Distributionally Robust Estimation in High Dimensions: Performance Analysis and Optimal Hyperparameter Tuning [2.4578723416255754]
分散ロバスト最適化(DRO)は不確実性の下での見積もりの強力なフレームワークとなっている。
本稿では,DROに基づく線形回帰法を提案し,その中心的問題,すなわちロバストネス半径を最適に選択する方法を提案する。
本手法はクロスバリデーションと同じ効果を示すが,計算コストのごく一部で実現可能であることを示す。
論文 参考訳（メタデータ） (2022-06-27T13:02:59Z) - Amortized Conditional Normalized Maximum Likelihood: Reliable Out of
Distribution Uncertainty Estimation [99.92568326314667]
本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。
提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。
我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
論文 参考訳（メタデータ） (2020-11-05T08:04:34Z) - Log-Likelihood Ratio Minimizing Flows: Towards Robust and Quantifiable
Neural Distribution Alignment [52.02794488304448]
そこで本研究では,対数様比統計量と正規化フローに基づく新しい分布アライメント手法を提案する。
入力領域の局所構造を保存する領域アライメントにおいて,結果の最小化を実験的に検証する。
論文 参考訳（メタデータ） (2020-03-26T22:10:04Z) - GenDICE: Generalized Offline Estimation of Stationary Values [108.17309783125398]
重要なアプリケーションでは,効果的な推定が依然として可能であることを示す。
我々のアプローチは、定常分布と経験分布の差を補正する比率を推定することに基づいている。
結果として得られるアルゴリズム、GenDICEは単純で効果的である。
論文 参考訳（メタデータ） (2020-02-21T00:27:52Z)
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。