論文の概要: Finite-Shot Sensitivity for Moment Estimation in Quantum Metrology
- arxiv url: http://arxiv.org/abs/2606.25920v1
- Date: Wed, 24 Jun 2026 15:01:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 17:05:30.362946
- Title: Finite-Shot Sensitivity for Moment Estimation in Quantum Metrology
- Title（参考訳）: 量子メトロロジーにおけるモーメント推定のための有限ショット感度
- Abstract要約: モーメント推定のための有限測度理論を開発する。
1/2$の補正が完全に消える一般密度行列条件を同定する。
結果として得られた閾値は、モーメントプロトコルプロトコルの感度が運用上可視になる前に、必要な測定回数を定量化する。
- 参考スコア（独自算出の注目度）: 3.5426941871022373
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The quantum Cramér-Rao bound can be saturated only asymptotically and does not specify how many measurements are needed for a concrete estimator to approach it. We develop a finite-measurement theory for method-of-moments estimation, where the parameter is inferred from the sample mean of a calibrating observable rather than from the full likelihood. For general quantum statistical models, the expansion is written in terms of the calibration curve and the central moments of the measured observable. Nonlinear calibration curves make the usual moment estimator biased at finite measurement number; we construct a bias-corrected estimator with bias $O(ν^{-3})$. This gives sensitivity corrections beyond the leading error-propagation term of the chosen moment protocol. We identify a general density-matrix condition under which the full $1/ν^2$ correction vanishes. In unitary examples, the leading residual correction appears at order $1/ν^3$, is governed by calibration curvature, and can be reduced or cancelled by higher-rank components of the same measured observable. The resulting thresholds quantify how many measurements are needed before the asymptotic sensitivity of a moment-estimation protocol is operationally visible.
- Abstract（参考訳）: 量子クラメロ-ラオ境界は漸近的にのみ飽和し、具体的な推定器がそれに近づくのに必要な測定値の数を明記していない。
そこで本研究では, パラメータを全確率ではなく, 検定可能な検定値の平均値から推定する, モーメント推定のための有限測度理論を開発した。
一般的な量子統計モデルでは、膨張はキャリブレーション曲線と測定された観測可能な中心モーメントによって記述される。
非線形キャリブレーション曲線は、通常のモーメント推定器を有限の測定数で偏り付け、偏りが$O(ν^{-3})$の偏り補正推定器を構築する。
これにより、選択したモーメントプロトコルのエラープロパゲーション項以外の感度補正が可能になる。
我々は、完全な1/ν^2$補正が消える一般的な密度行列条件を同定する。
ユニタリな例では、先行残差補正は1/ν^3$で現れ、キャリブレーション曲率によって支配され、同じ測定可能な高次成分によって縮小またはキャンセルされる。
結果として得られた閾値は、モーメント推定プロトコルの漸近感度が運用上可視になる前に必要な測定回数を定量化する。
関連論文リスト
- Measuring multi-calibration [9.514997419494993]
予測確率が複数のサブ集団で同時にキャリブレーションされると、予測は「完全多重校正」と呼ばれる。
古典的なカイパー統計に基づく校正のための最近提案された計量は、多重校正の新しい計量の自然な基礎である。
論文 参考訳（メタデータ） (2025-06-12T19:48:10Z) - Orthogonal Causal Calibration [55.28164682911196]
我々は、因果校正作業を標準(非因果予測モデル)の校正作業に還元する一般的なアルゴリズムを開発する。
以上の結果から,既存のキャリブレーションアルゴリズムを因果的設定に応用できることが示唆された。
論文 参考訳（メタデータ） (2024-06-04T03:35:25Z) - Calibrated Uncertainty Quantification for Operator Learning via
Conformal Prediction [95.75771195913046]
本稿では, リスク制御型量子ニューラル演算子, 分布のない有限サンプル機能キャリブレーション等式予測法を提案する。
関数領域上の点の期待値として定義されるカバレッジ率に関する理論的キャリブレーションを保証する。
2次元ダーシー流と3次元自動車表面圧力予測タスクに関する実験結果から,我々の理論的結果が検証された。
論文 参考訳（メタデータ） (2024-02-02T23:43:28Z) - Consistent and Asymptotically Unbiased Estimation of Proper Calibration
Errors [23.819464242327257]
本稿では,全ての適切な校正誤差と精錬項を一貫した推定を可能にする手法を提案する。
ニューラルネットワークにおける情報単調性を意味するf-分節と精製の関係を実証する。
本実験は,提案した推定器のクレーム特性を検証し,特に関心のキャリブレーション誤差によって,ポストホックキャリブレーション法の選択が決定されるべきであることを示唆した。
論文 参考訳（メタデータ） (2023-12-14T01:20:08Z) - Calibration by Distribution Matching: Trainable Kernel Calibration
Metrics [56.629245030893685]
カーネルベースのキャリブレーションメトリクスを導入し、分類と回帰の両方で一般的なキャリブレーションの形式を統一・一般化する。
これらの指標は、異なるサンプル推定を許容しており、キャリブレーションの目的を経験的リスク最小化に組み込むのが容易である。
決定タスクにキャリブレーションメトリクスを調整し、正確な損失推定を行ない、後悔しない決定を行うための直感的なメカニズムを提供する。
論文 参考訳（メタデータ） (2023-10-31T06:19:40Z) - A Unifying Theory of Distance from Calibration [9.959025631339982]
完璧なキャリブレーションからの距離を定量化する方法については合意がない。
本研究では, キャリブレーションからの距離に関する基礎的な概念を提案する。
フレームワークの適用により、一貫性があり、効率的に推定できる3つのキャリブレーションを識別する。
論文 参考訳（メタデータ） (2022-11-30T10:38:24Z) - A Consistent and Differentiable Lp Canonical Calibration Error Estimator [21.67616079217758]
ディープニューラルネットワークは校正が不十分で、自信過剰な予測を出力する傾向がある。
ディリクレ核密度推定に基づく低バイアス・トレーニング可能な校正誤差推定器を提案する。
提案手法はカーネルの自然な選択であり,他の量の一貫した推定値を生成するのに利用できる。
論文 参考訳（メタデータ） (2022-10-13T15:11:11Z) - Parametric and Multivariate Uncertainty Calibration for Regression and
Object Detection [4.630093015127541]
一般的な検出モデルでは,観測誤差と比較して空間的不確かさが過大評価されている。
実験の結果, 簡便な等速回帰補正法は, 良好な校正不確実性を実現するのに十分であることがわかった。
対照的に、後続のプロセスに正規分布が必要な場合、GP-Normal再校正法が最良の結果をもたらす。
論文 参考訳（メタデータ） (2022-07-04T08:00:20Z) - T-Cal: An optimal test for the calibration of predictive models [49.11538724574202]
有限検証データセットを用いた予測モデルの誤校正を仮説検証問題として検討する。
誤校正の検出は、クラスの条件付き確率が予測の十分滑らかな関数である場合にのみ可能である。
我々は、$ell$-Expected Error(ECE)のデバイアスドプラグイン推定器に基づくキャリブレーションのためのミニマックステストであるT-Calを提案する。
論文 参考訳（メタデータ） (2022-03-03T16:58:54Z) - Near-optimal inference in adaptive linear regression [60.08422051718195]
最小二乗法のような単純な方法でさえ、データが適応的に収集されるときの非正規な振る舞いを示すことができる。
我々は,これらの分布異常を少なくとも2乗推定で補正するオンラインデバイアス推定器のファミリーを提案する。
我々は,マルチアームバンディット,自己回帰時系列推定,探索による能動的学習などの応用を通して,我々の理論の有用性を実証する。
論文 参考訳（メタデータ） (2021-07-05T21:05:11Z) - Localized Calibration: Metrics and Recalibration [133.07044916594361]
完全大域キャリブレーションと完全個別化キャリブレーションのギャップにまたがる細粒度キャリブレーション指標を提案する。
次に,局所再校正法であるLoReを導入し,既存の校正法よりもLCEを改善する。
論文 参考訳（メタデータ） (2021-02-22T07:22:12Z)
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。