論文の概要: Slepian Bounds on the Success Probability of Virtual Distillation

• arxiv url: http://arxiv.org/abs/2608.21342v1
• Date: Fri, 21 Aug 2026 17:47:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-24 14:49:32.667893
• Title: Slepian Bounds on the Success Probability of Virtual Distillation
• Title（参考訳）: 仮想蒸留の成功確率に関するスレピアン境界
• Abstract要約: 有限帯域変動状態の場合、このフィルタリングは受け入れられた測定結果の集合の中に新しい濃度を発生させることはできない。 有限帯域変動状態の場合、このフィルタは許容された測定結果の集合内に新しい濃度を生成できないことを示す。
• 参考スコア（独自算出の注目度）: 3.6048665052465663
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Virtual distillation is a powerful near-term error-mitigation primitive, but it is also a spectral filter: it amplifies the dominant eigenvector component already present in the noisy density matrix. We show that, for a finite-band variational state, this filtering cannot create new concentration inside a set of accepted measurement outcomes. The asymptotic success probability after distillation is bounded by the leading eigenvalue of a Slepian concentration operator built from a specified variational band and that outcome window. Moreover, the number of robust high-success spectral components is limited by the Slepian active dimension. \rev{For bit-string outcome windows, an explicit Walsh-band realization has a Krawtchouk kernel on the Boolean hypercube. Finite-size noisy-QAOA calculations for 2-regular Max-Cut illustrate both the in-band improvement and the out-of-band failure modes predicted by the branch-resolved result.
• Abstract（参考訳）: 仮想蒸留は強力な近距離誤差緩和プリミティブであるが、スペクトルフィルタであり、ノイズ密度行列にすでに存在する優占固有ベクトル成分を増幅する。 有限帯域変動状態の場合、このフィルタリングは許容された測定結果の集合内に新しい濃度を生成できないことを示す。 蒸留後の漸近的成功確率は、特定の変動帯域と結果ウィンドウから構築されたスレピアン濃度演算子の先頭固有値によって境界づけられる。 さらに、ロバストな高分解能スペクトル成分の数は、スレピアン活性次元によって制限される。 ビットストリング結果ウィンドウでは、明示的なウォルシュバンド実現はブールハイパーキューブ上にKrawtchoukカーネルを持つ。 2正規Max-Cutの有限サイズノイズQAOA計算は、分岐解によって予測される帯域内改善と帯域外故障モードの両方を示している。

関連論文リスト

• Probing the Error-Mitigation Threshold with Matrix Product States [2.2940141855172036]
  量子誤差の緩和は、正確なノイズ特性に依存する。 実際のノイズと特徴音のミスマッチを増幅し、成功と失敗の間の鋭い閾値を駆動することができる。 本研究では, 固定結合次元行列-生成物-状態法を開発した。
  論文  参考訳（メタデータ） (2026-09-10T00:29:38Z)
• 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)
• Kernel Methods for Refined Prophet Inequalities [27.407082709350707]
  単選択預言不等式は、独立した非負の値が逐次現れる標準的なオンライン選択問題である。 単項預言不等式に対する一般的なカーネル法を開発した。
  論文  参考訳（メタデータ） (2026-08-09T12:08:57Z)
• Orthogonality Edges in Strong-Coupling Quantum Work Statistics [0.5541461456285174]
  貯水池への強い反転は、駆動量子系の仕事のピークをシフト、拡大、あるいは服飾以上のことができる。 本研究では, 突然の偏り逆転の下で, スピン-ボソンモデルの包括的作業分布のメカニズムを実証する。
  論文  参考訳（メタデータ） (2026-07-04T16:53:05Z)
• Distributed Online Bandit Submodular Maximization with Bounded Sampling Violations [6.789996850053261]
  分割マトロイド制約下での分散オンラインサブモジュールについて検討した。 我々は,全情報および包括的フィードバックモデルに対応する統一的なアルゴリズムフレームワークを開発する。
  論文  参考訳（メタデータ） (2026-07-01T09:22:18Z)
• How Deep Are Deep GPs, Really? A Sharp Threshold and a Non-Gaussian Limit for Compositional GPs [48.096969031315744]
  以前の研究により、RBFカーネルと特定の帯域幅$r$に対して、前者は限界で縮退することがわかった。 しきい値以下$r$の場合、r_c(d)$ は制限分布 $_barZ$ に収束する。
  論文  参考訳（メタデータ） (2026-06-06T15:12:43Z)
• Rate-optimal neural boundary detection from unlabeled noisy images [1.8620637029128548]
  統計的観点からラベル付き雑音画像の境界検出について検討した。 頑健なギブスの後部アプローチにより, 境界検出のための連続的なヒンジ型サロゲート損失を提案する。 提案した損失は勾配に基づく最適化に有効であり、複雑なオブジェクト境界を表現するためにディープニューラルネットワークと組み合わせることができる。
  論文  参考訳（メタデータ） (2026-05-30T12:58:09Z)
• Coverage Analysis of Rydberg Atom Quantum Receiver Arrays: A Stochastic Geometry Approach [55.47164192369501]
  ライドバーグ原子量子受信機(RAQR)は、量子制限感度とブロードバンドチューナビリティを提供する。 密集した展開において、集合的干渉は原子トランスデューサを小さな信号状態から外すことができる。 本稿では、RAQRフロントエンドを幾何学的カバレッジ分析に埋め込むことで、この問題に対処する。
  論文  参考訳（メタデータ） (2026-05-22T04:05:13Z)
• An Exactly Solvable Absorbing Quantum Walk [0.0]
  任意の強度のリンドブラッド境界シンクによって生じる吸収を伴う連続時間量子ウォークを解く。 これらの抑制機構の物理的起源が異なるにもかかわらず、それぞれの吸収確率は正確な双対性を示す。 この進化は位相空間で便利に可視化され、非エルミートモードはエッジ近傍で指数関数的に閉じ込められたウィグナー液滴を生成する。
  論文  参考訳（メタデータ） (2026-05-08T17:43:56Z)
• Graph-based Clustering Revisited: A Relaxation of Kernel $k$-Means Perspective [73.18641268511318]
  本稿では,クラスタリング結果を導出するための正規制約のみを緩和するグラフベースのクラスタリングアルゴリズムを提案する。 二重制約を勾配に変換するために、非負の制約をクラス確率パラメータに変換する。
  論文  参考訳（メタデータ） (2025-09-23T09:14:39Z)
• 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)
• Convex Bounds on the Softmax Function with Applications to Robustness Verification [69.09991317119679]
  ソフトマックス関数は、ニューラルネットワークの出力においてユビキタスなコンポーネントであり、中間層もますます多くなっている。 本稿では,ニューラルネットワークや他のMLモデルのキャラクタリゼーションのための凸最適化式と互換性のある,ソフトマックス関数上の凸下界と凹上界を提供する。
  論文  参考訳（メタデータ） (2023-03-03T05:07:02Z)
• Beyond the Edge of Stability via Two-step Gradient Updates [49.03389279816152]
  Gradient Descent(GD)は、現代の機械学習の強力な仕事場である。 GDが局所最小値を見つける能力は、リプシッツ勾配の損失に対してのみ保証される。 この研究は、2段階の勾配更新の分析を通じて、単純だが代表的でありながら、学習上の問題に焦点をあてる。
  論文  参考訳（メタデータ） (2022-06-08T21:32:50Z)
• Sharp Bounds for Federated Averaging (Local SGD) and Continuous Perspective [49.17352150219212]
  Federated AveragingFedAvg(ローカルSGD)は、Federated Learning(FL)で最も人気のあるアルゴリズムの1つである。 微分方程式(SDE)の観点から、この量を解析する方法を示す。
  論文  参考訳（メタデータ） (2021-11-05T22:16:11Z)

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。