論文の概要: Stabilizer entropy is trustworthy for mixed states

• arxiv url: http://arxiv.org/abs/2606.29443v1
• Date: Sun, 28 Jun 2026 15:10:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.915246
• Title: Stabilizer entropy is trustworthy for mixed states
• Title（参考訳）: 安定剤エントロピーは混合状態には信頼できる
• Abstract要約: 混合状態における非安定化剤の定量化は、いかなる厳密なモノトンも超指数時間を必要とするため、確実に難解である。 平坦な混合安定化器状態に作用する非適応的クリフォードチャネルに制限された場合, 線形安定化器エントロピーは, 圧倒的な確率で適切な非安定化器性モノトンとして機能する。
• 参考スコア（独自算出の注目度）: 0.9481925300137773
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantifying non-stabilizerness in mixed states is provably intractable, as any strict monotone requires superexponential time. We propose a linear Stabilizer Entropy that acts as a proper non-stabilizerness monotone with overwhelming probability when restricted to non-adaptive Clifford channels acting on flat mixed stabilizer states. Analytical and numerical results for Haar-random states, Clifford orbits, and random matrix product states show that monotonicity violation probabilities decay as $\exp-ηN$. We also prove the validity of Stabilizer Entropy in specific many-body systems undergoing partial measurements, where the amount of resource never increases for each measurement outcome as well as when averaged over outcome probabilities. Given the hardness of strict alternatives, Stabilizer Entropy emerges as a practical and theoretically justified resource measure.
• Abstract（参考訳）: 混合状態における非安定化剤の定量化は、いかなる厳密なモノトンも超指数時間を必要とするため、確実に難解である。 平坦な混合安定化器状態に作用する非適応的クリフォードチャネルに制限された場合, 線形安定化器エントロピーは, 圧倒的な確率で適切な非安定化器性モノトンとして機能する。 ハールランダム状態、クリフォード軌道、ランダム行列積状態の解析的および数値的な結果は、単調性に反する確率が$\exp-ηN$として崩壊することを示している。 また,各測定結果に対して資源量が増加せず,結果の確率よりも平均値が大きくなるような多体システムにおいて,安定化器エントロピーの有効性を検証した。 厳密な代替の硬さを考えると、安定化器エントロピーは実用的で理論的に正当化された資源測度として現れる。

関連論文リスト

• The Road Taken: The Role of Optimizers at the Edge of Stability [53.81268610971847]
  安定性のエッジ(Edge of stability)とは、古典的な降下が不安定であると予測されるしきい値より上のヘッセンの固有値が安定である深層学習における現象を指す。 それまでの研究は、最大ヘッセン固有値と学習率に関して安定性の端を定式化していた。 我々は、勾配降下を含む多くの一階法が、これらの理論によって予測される安定性を21.1ドルという大きな因子で著しく破っていることを観察した。
  論文  参考訳（メタデータ） (2026-08-19T01:03:34Z)
• Improving reproducibility by controlling random seed stability in machine learning based estimation via bagging [46.13729826261035]
  機械学習アルゴリズムからの予測はランダムな種によって異なり、下流の偏りのある機械学習推定器の不安定性を引き起こす。 我々は,濃度条件によってランダムな種子の安定性を定式化し,任意の境界出力回帰アルゴリズムに対するサブバッグリングが安定性を保証することを証明した。 そこで我々は,新しいクロスフィット方式である適応型クロスバッグ方式を導入し,ニュアンス推定とサンプル分割の両方から種子依存を同時に除去する。
  論文  参考訳（メタデータ） (2026-04-20T01:15:23Z)
• Non-stabilizerness and U(1) symmetry in chaotic many-body quantum systems [0.0]
  保存電荷の存在は非安定性(マジック)を非拘束の場合と比較して著しく抑制することを示した。 熱力学の極限では、安定化器エントロピーは、消滅する相対電荷密度に近い異なる先行方向のスケーリングを示す。
  論文  参考訳（メタデータ） (2026-03-30T18:00:10Z)
• Efficient Inference after Directionally Stable Adaptive Experiments [47.32051320630248]
  本稿では,帯域幅などの適応データ収集後の経路微分可能な対象の推測について検討する。 本稿では,従来の目標パラメトリック安定性条件よりも厳格に弱い,新たな目標固有条件である指向性安定性を導入する。
  論文  参考訳（メタデータ） (2026-02-25T01:09:18Z)
• Rise and fall of nonstabilizerness via random measurements [0.27988103729716907]
  ランダムなクリフォードユニタリと局所射影測定からなる量子回路における非安定化性のダイナミクスについて検討する。 非クリフォード塩基で回転された測定では、非安定化剤の生成と破壊が可能である。 その結果, 粗さと細粒度非安定化剤の鑑別が顕著であった。
  論文  参考訳（メタデータ） (2025-07-15T18:01:02Z)
• React to Surprises: Stable-by-Design Neural Feedback Control and the Youla-REN [43.988843102040725]
  学習に基づく制御のための非線形ポリシーの安定化のパラメータ化について検討する。 本稿では,ユラ・クーラパラメータ化の非線形バージョンとロバストニューラルネットワークを組み合わせた構造を提案する。
  論文  参考訳（メタデータ） (2025-06-02T00:36:24Z)
• Stabilizer entropies are monotones for magic-state resource theory [0.0]
  我々は、純状態に制限されたマジック状態資源理論の文脈内で、$alpha geq 2$に対して安定化器エントロピーの単調性を確立する。 我々は, コンベックス屋根構造を介して, モノトンとして混合状態に安定化器エントロピーを拡張した。
  論文  参考訳（メタデータ） (2024-04-17T18:00:02Z)
• Exact Mean Square Linear Stability Analysis for SGD [28.65663421598186]
  勾配降下(SGD)の線形安定性に必要かつ十分なステップサイズを明示的条件として提示する。 SGDの安定性閾値は、全バッチ勾配ステップw.p.$-p$と1サンプル勾配ステップw.p.$p$の混合プロセスと等価であることを示す。
  論文  参考訳（メタデータ） (2023-06-13T15:29:23Z)
• Anomaly Detection with Variance Stabilized Density Estimation [49.46356430493534]
  本稿では, 観測試料の確率を最大化するための分散安定化密度推定問題を提案する。 信頼性の高い異常検知器を得るために,分散安定化分布を学習するための自己回帰モデルのスペクトルアンサンブルを導入する。 我々は52のデータセットで広範なベンチマークを行い、我々の手法が最先端の結果につながることを示した。
  論文  参考訳（メタデータ） (2023-06-01T11:52:58Z)
• Measuring nonstabilizerness via multifractal flatness [0.0]
  普遍量子コンピューティングは、非安定化器(魔法)量子状態を必要とする。 量子状態が安定化器であることは、クリフォード軌道に属する全ての状態が平坦な確率分布を持つ場合に限る。 マルチフラクタル平坦性は実験的かつ計算的に実現可能な非安定化性証明を提供することを示す。
  論文  参考訳（メタデータ） (2023-05-19T16:32:59Z)
• Boosting the Confidence of Generalization for $L_2$-Stable Randomized Learning Algorithms [41.082982732100696]
  適切に設計されたサブバッグプロセスは、データとアルゴリズムの両方にほぼ28の指数関数的一般化バウンダリをもたらすことを示す。 さらに、自然減衰学習率を持つ凸問題や非重み付き問題に対する高確率一般化境界を改善するために、総合的な結果を導出する。
  論文  参考訳（メタデータ） (2022-06-08T12:14:01Z)
• Stabilizer R\'enyi entropy [0.0]
  我々は、非安定化剤性の量子的性質に関する新しい測度(通称「魔法」)を導入する。 資源理論の観点からは、これは非安定度の良い尺度であり、他の既知の測度とのバウンダリを示す。 非安定化器性は時間外相関関数と密接に結びついており、量子カオスには最大レベルの非安定化器性が必要であることを示す。
  論文  参考訳（メタデータ） (2021-06-23T18:00:02Z)
• Toward Better Generalization Bounds with Locally Elastic Stability [41.7030651617752]
  局所的な弾性安定性は、一様安定性に基づいて導出されたものよりも厳密な一般化境界を意味すると論じる。 我々は、有界支持ベクトルマシン、正規化最小二乗回帰、勾配降下の例を再考する。
  論文  参考訳（メタデータ） (2020-10-27T02:04:53Z)
• Fine-Grained Analysis of Stability and Generalization for Stochastic Gradient Descent [55.85456985750134]
  我々は,SGDの反復的リスクによって制御される新しい境界を開発する,平均モデル安定性と呼ばれる新しい安定性尺度を導入する。 これにより、最良のモデルの振舞いによって一般化境界が得られ、低雑音環境における最初の既知の高速境界が導かれる。 我々の知る限りでは、このことはSGDの微分不能な損失関数でさえも初めて知られている安定性と一般化を与える。
  論文  参考訳（メタデータ） (2020-06-15T06:30:19Z)

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。