論文の概要: Saturating the Bayesian Nagaoka-Hayashi bound within numerical precision for the depolarization SU(2) rotation channel
- arxiv url: http://arxiv.org/abs/2607.15398v1
- Date: Thu, 16 Jul 2026 18:56:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-20 17:56:52.684719
- Title: Saturating the Bayesian Nagaoka-Hayashi bound within numerical precision for the depolarization SU(2) rotation channel
- Title(参考訳): 脱分極SU(2)回転流の数値精度におけるベイズ長岡-早橋境界の飽和
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Bayesian Nagaoka--Hayashi (NH) bound is a semidefinite lower bound on the Bayes risk of multiparameter estimation, tighter than the Bayesian symmertic logarithmic derivative (SLD) Cramér--Rao bounds, and whether it can be attained is an open problem. We study the single-shot estimation of a qubit rotation, all three parameters at once, under depolarizing noise and a uniform prior, with $k$ parallel uses of the channel. Rotational covariance reduces the joint optimization of probe, measurement, and estimator, and the NH bound itself, to small semidefinite programs, solvable through $k=4$. At every number of uses and noise strength the optimized strategy reaches the NH bound within the numerical precision of the calculation, numerical evidence that the bound is attained for this channel family, while the SLD bound lies strictly below and is never attained. As the noise grows the optimal probe collapses to the tensored Bell state.
- Abstract(参考訳): ベイズ・ナガオカ・ハヤシ境界(Bayesian Nagaoka-Hayashi bound, NH)は、ベイズ確率の多パラメータ推定の半定値下限であり、ベイズシンメティック対数微分(SLD)のクラメール-ラオ境界よりも厳密であり、達成できるかどうかは未解決の問題である。
本研究では, 立方体回転の単発推定, 3つのパラメータを同時に, 脱分極雑音下で, 均一な事前推定を行い, チャネルの並列利用を$k$とした。
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、$k=4$で解ける小さな半定値プログラムに還元する。
計算の数値精度の範囲内で最適化された戦略がNH境界に達すると、その境界がこのチャネルファミリーに対して達成されるという数値的な証拠が得られ、SLD境界は厳密に下にあり、決して達成されない。
ノイズが大きくなると、最適なプローブが曲がりくねったベル状態に崩壊する。
関連論文リスト
- Constrained Online Learning with Noisy Constraint Values [55.29259818039367]
一般的な実現可能性の下では、我々のLEDGERアルゴリズムは、期待される損失$O(sqrt T)と期待される予算違反$O(sqrtTlog(eT))を達成します。
スレーター条件、フィードバックチャネル間の独立性、絶対的制約値境界は不要である。
論文 参考訳(メタデータ) (2026-09-07T01:38:41Z) - Provable Non-Acceleration of Standard Strang Splittings of Kinetic Langevin Dynamics [0.0]
OBABO や BAOAB のスキームや、ランゲヴィン力学の標準的なストラング分割は、マルコフ連鎖モンテカルロアルゴリズムとして広く使われている。
我々は、曲率境界と次元のみに基づくステップサイズと摩擦の固定的な選択が、この加速度を達成することを証明した。
論文 参考訳(メタデータ) (2026-08-26T01:27:39Z) - Scalable Lindblad Noise Learning via Stochastic Tensor-Network Simulation [48.887627688666974]
大規模オープン量子システムにおける学習散逸率は、短期量子技術の大きな障害である。
本稿では,シミュレーション手法であるJump Method(TJM)を組み合わせたLindblad散逸率のスケーラブルなノイズ学習フレームワークを提案する。
我々は,Isingモデルにおける2つのノイズモデルに対するアプローチを実証し,各サイトについて,N_mathrmsite=16$まで独立散逸率を学習した。
スケーラブルな数値と厳密な理論的保証の組み合わせは、TJMベースのノイズ学習を大きな量子デバイスにおける散逸を特徴づける実用的な基礎として位置づけている。
論文 参考訳(メタデータ) (2026-08-25T15:07:11Z) - Error estimates for tamed Euler and Randomized Euler schemes for SDEs with locally Lipschitz drift with applications to non-logconcave sampling and optimization [0.0]
局所的なリプシッツによる微分方程式の数値的な離散化、超最適に成長するドリフト、そしてソボレフの不等式を満たす非対数凹分布からのサンプリングがもたらす意味について検討する。
超線形成長下での無作為なランダム化ランゲヴィンスキームの総変分における非漸近的保証を初めて確立する。
論文 参考訳(メタデータ) (2026-05-24T08:35:24Z) - Optimal High-probability Convergence of Nonlinear SGD under Heavy-tailed Noise via Symmetrization [50.49466204159458]
雑音対称性に基づく2つの新しい推定器を提案する。
よりシャープな分析と改善されたレートを提供します。
モーメントと対称雑音を仮定する作業と比較して、よりシャープな解析と改善率を提供する。
論文 参考訳(メタデータ) (2025-07-12T00:31:13Z) - Large Deviation Upper Bounds and Improved MSE Rates of Nonlinear SGD: Heavy-tailed Noise and Power of Symmetry [47.653744900375855]
重み付き雑音の存在下での最適凸勾配法の枠組みを提供する。
ステップサイズ・テールの非線形性,ノイズ,問題パラメータの選択に明示的に依存することを示す。
MSE $widetmathcalO(t-1)$ を最適な $mathcalO(t-1)$ に近づけることができる。
論文 参考訳(メタデータ) (2024-10-21T04:50:57Z) - From Gradient Clipping to Normalization for Heavy Tailed SGD [19.369399536643773]
最近の実証的な証拠は、機械学習の応用が重尾ノイズを伴い、実際に有界分散の標準的な仮定に挑戦していることを示している。
本稿では, 勾配依存型雑音収束問題において, テール雑音下での厳密性を実現することができることを示す。
論文 参考訳(メタデータ) (2024-10-17T17:59:01Z) - Multi-parameter quantum estimation of single- and two-mode pure Gaussian
states [0.0]
本研究では, 単モードおよび2モード圧縮状態を特徴付ける変位パラメータとスクイーズパラメータの両方に対して, Holevo Cram'er-Rao bound (HCRB) を導出した。
単モードのシナリオでは、解析的境界を求め、スクイージングが増加するにつれて単調に劣化する。
2モード設定では、スキューズパラメータが大きくなるにつれてHCRBが向上し、二重ホモジン検出により達成できることが示される。
論文 参考訳(メタデータ) (2024-03-06T18:29:17Z) - Breaking the Heavy-Tailed Noise Barrier in Stochastic Optimization Problems [56.86067111855056]
構造密度の重み付き雑音によるクリップ最適化問題を考察する。
勾配が有限の順序モーメントを持つとき、$mathcalO(K-(alpha - 1)/alpha)$よりも高速な収束率が得られることを示す。
得られた推定値が無視可能なバイアスと制御可能な分散を持つことを示す。
論文 参考訳(メタデータ) (2023-11-07T17:39:17Z) - Lower bounds on the number of rounds of the quantum approximate optimization algorithm required for guaranteed approximation ratios [0.0]
本稿では、QAOAに必要なラウンド数(QAOAランタイムの主成分)について、最初の低い係数をいくつか提示する。
従来の横フィールドミキサーの場合、(iv)我々のフレームワークは、すべての有界共起局所コスト問題に自明な下限を与える。
厳密には$k$-local cost Hamiltonian matching known results that constant approximation ratio is obtained with a constant-round QAOA。
論文 参考訳(メタデータ) (2023-08-29T17:10:20Z) - Quantum Goemans-Williamson Algorithm with the Hadamard Test and
Approximate Amplitude Constraints [62.72309460291971]
本稿では,n+1$ qubitsしか使用しないGoemans-Williamsonアルゴリズムの変分量子アルゴリズムを提案する。
補助量子ビット上で適切にパラメータ化されたユニタリ条件として目的行列を符号化することにより、効率的な最適化を実現する。
各種NPハード問題に対して,Goemans-Williamsonアルゴリズムの量子的効率的な実装を考案し,提案プロトコルの有効性を実証する。
論文 参考訳(メタデータ) (2022-06-30T03:15:23Z) - STORM+: Fully Adaptive SGD with Momentum for Nonconvex Optimization [74.1615979057429]
本研究では,スムーズな損失関数に対する期待値である非バッチ最適化問題について検討する。
我々の研究は、学習率と運動量パラメータを適応的に設定する新しいアプローチとともに、STORMアルゴリズムの上に構築されている。
論文 参考訳(メタデータ) (2021-11-01T15:43:36Z)
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。