論文の概要: Bayesian Gill-Massar Bound: An Attainable Lower Bound for Qubit Parameter Estimation
- arxiv url: http://arxiv.org/abs/2607.07031v1
- Date: Wed, 08 Jul 2026 06:04:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 22:50:30.288822
- Title: Bayesian Gill-Massar Bound: An Attainable Lower Bound for Qubit Parameter Estimation
- Title（参考訳）: Bayesian Gill-Massar 境界:量子パラメータ推定のための到達可能な下界
- Abstract要約: 点推定におけるGill-Massar境界の論理にインスパイアされた、Byyesian Gill-Massar(B-GM)境界と呼ばれる新しい下界を導入する。
最適ベイズ戦略は、1つの有効方向に関連する射影値の測定によって実現可能であることを証明した。
以上の結果から,B-GM境界は負となるため,パラメータがほとんどない高次元モデルに制限があることが示唆された。
- 参考スコア（独自算出の注目度）: 4.669017653337737
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study lower bounds for Bayesian quantum parameter estimation, with a particular focus on qubit models. While several lower bounds on the Bayes risk have been proposed, including the Bayesian symmetric logarithmic derivative (B-SLD) type bound and the Bayesian Nagaoka-Hayashi (B-NH) bound, there is no definite proof available to show they are attainable except for special cases. Thus, identifying attainable bounds together with their corresponding optimal measurement strategies remains a central open problem in Bayesian quantum estimation. In this work, we introduce a new Bayesian lower bound, referred to as the Bayesian Gill-Massar (B-GM) bound, inspired by the logic of Gill-Massar bound in point estimation. We derive an analytical closed-form expression of the bound and show that it is attainable for any qubit model. In particular, we prove that the optimal Bayesian strategy can be realized by a projection-valued measure associated with a single effective direction determined by the weight matrix and the B-SLD-type Fisher information matrix. We provide numerical comparisons between the B-GM, B-NH, and B-SLD-type bounds in higher-dimensional models. Our results show that the B-GM bound has a limitation in high-dimensional models with few parameters, since it can be negative.
- Abstract（参考訳）: ベイズ量子パラメータ推定の下位境界について検討し、特に量子ビットモデルに焦点をあてる。
ベイズリスクに関するいくつかの下限が提案されているが、ベイズ対称対数微分(B-SLD)型境界やベイズ長岡-早橋境界(B-NH)など、特別な場合を除いて達成可能であることを示す明確な証拠はない。
したがって、到達可能な境界をそれらの対応する最適測度戦略と共に同定することは、ベイズ量子推定において中心的な開問題である。
本研究では,点推定におけるGill-Massar境界の論理に着想を得て,Byyesian Gill-Massar(B-GM)境界と呼ばれる新しいベイズ下界を導入する。
有界な解析的閉形式表現を導出し、任意のキュービットモデルに対して達成可能であることを示す。
特に,重み行列とB-SLD型フィッシャー情報行列によって決定される1つの有効方向に関連する射影値の測定により,最適なベイズ戦略を実現することができることを示す。
高次元モデルにおけるB-GM,B-NH,B-SLD型境界の数値比較を行う。
以上の結果から,B-GM境界は負となるため,パラメータがほとんどない高次元モデルでは限界があることがわかった。
関連論文リスト
- Saturating the Bayesian Nagaoka-Hayashi bound within numerical precision for the depolarization SU(2) rotation channel [0.0]
本研究では, 立方体回転の単発推定, 同時に3つのパラメータを非偏極雑音下で, 均一に推定する。
回転共分散は、プローブ、測定、推定器の結合最適化とNH境界自体を小さな半定値プログラムに還元する。
あらゆる用途と騒音強度において、最適化された戦略は計算の数値精度でNH境界に達する。
論文 参考訳（メタデータ） (2026-07-16T18:56:31Z) - Bayesian Monotone Metrics for Multiparameter Quantum Estimation [4.669017653337737]
平均状態のペッツ単調測定値を評価することでベイズ単調測定値を導入する。
族内のすべての単調計量に対して、対応する量子バン木に対して普遍的な優位性を証明する。
その結果,ベイジアン量子推定における情報幾何学的視点としてベイジアン単調測度が確立された。
論文 参考訳（メタデータ） (2026-07-02T04:27:28Z) - Bayesian Logarithmic Derivative Type Lower Bounds for Quantum Estimation [17.305295658536828]
近年、量子領域におけるベイズリスクに対するベイズ長岡-早橋境界と呼ばれる下界が提案されている。
本論文は, このベイズ長岡-早橋境界を, より低い境界で探索することを目的とする。
論文 参考訳（メタデータ） (2024-05-17T04:07:16Z) - Bayesian Nagaoka-Hayashi Bound for Multiparameter Quantum-State
Estimation Problem [21.22196305592545]
提案した下界は半定値プログラミング問題として効率的に計算可能であることを示す。
我々は、新しい下界がベイズ量子クレーマー・ラオ境界よりも厳密であることを証明する。
論文 参考訳（メタデータ） (2023-02-28T01:01:25Z) - Sample-Then-Optimize Batch Neural Thompson Sampling [50.800944138278474]
我々はトンプソンサンプリング(TS)ポリシーに基づくブラックボックス最適化のための2つのアルゴリズムを提案する。
入力クエリを選択するには、NNをトレーニングし、トレーニングされたNNを最大化してクエリを選択するだけです。
我々のアルゴリズムは、大きなパラメータ行列を逆転する必要性を助長するが、TSポリシーの妥当性は保たれている。
論文 参考訳（メタデータ） (2022-10-13T09:01:58Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳（メタデータ） (2021-11-15T09:08:27Z) - On Batch Normalisation for Approximate Bayesian Inference [102.94525205971873]
バッチ正規化は証拠の下限(ELBO)の最適性に影響しないことを示す。
また,モンテカルロバッチ正規化(MCBN)アルゴリズムについても検討し,MCDropoutと平行な近似推論手法を提案する。
論文 参考訳（メタデータ） (2020-12-24T12:40:11Z) - Probabilistic Circuits for Variational Inference in Discrete Graphical
Models [101.28528515775842]
変分法による離散的グラフィカルモデルの推論は困難である。
エビデンス・ロウアーバウンド(ELBO)を推定するためのサンプリングに基づく多くの手法が提案されている。
Sum Product Networks (SPN) のような確率的回路モデルのトラクタビリティを活用する新しい手法を提案する。
選択的SPNが表現的変動分布として適していることを示し、対象モデルの対数密度が重み付けされた場合、対応するELBOを解析的に計算可能であることを示す。
論文 参考訳（メタデータ） (2020-10-22T05:04:38Z) - Efficient computation of the Nagaoka--Hayashi bound for multi-parameter
estimation with separable measurements [16.53410208934304]
本稿では,プローブの有限コピーに対して分離可能な測定を行う際に,複数のパラメータを同時に推定するための厳密な境界を導入する。
半定値プログラムとしてキャストすることで、この境界を効率的に計算できることが示される。
論文 参考訳（メタデータ） (2020-08-06T12:43:31Z) - Lower bounds in multiple testing: A framework based on derandomized
proxies [107.69746750639584]
本稿では, 各種コンクリートモデルへの適用例を示す, デランドマイズに基づく分析戦略を提案する。
これらの下界のいくつかを数値シミュレーションし、Benjamini-Hochberg (BH) アルゴリズムの実際の性能と密接な関係を示す。
論文 参考訳（メタデータ） (2020-05-07T19:59:51Z) - Distributed, partially collapsed MCMC for Bayesian Nonparametrics [68.5279360794418]
ディリクレ法やベータ・ベルヌーリ法のようなモデルでよく用いられる完全無作為測度は独立な部分測度に分解可能であるという事実を利用する。
この分解を用いて、潜在測度を、インスタンス化された成分のみを含む有限測度と、他のすべての成分を含む無限測度に分割する。
得られたハイブリッドアルゴリズムは、収束保証を犠牲にすることなくスケーラブルな推論を可能にすることができる。
論文 参考訳（メタデータ） (2020-01-15T23:10:13Z)
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。