論文の概要: Identifiability and Estimation Precision in Quantum Network Tomography with Imperfect Bell-State Measurements

• arxiv url: http://arxiv.org/abs/2608.21692v1
• Date: Fri, 21 Aug 2026 23:51:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.407732
• Title: Identifiability and Estimation Precision in Quantum Network Tomography with Imperfect Bell-State Measurements
• Title（参考訳）: ベル状態不完全計測による量子ネットワークトモグラフィーの感度と推定精度
• Abstract要約: 本稿では,不完全ベル状態測定におけるエンドツーエンドリンクエラー評価のための量子ネットワークトモグラフィー(QNT)について検討する。 nノードの星ネットワークでは、ユニークな識別可能性を保証するプローブを設計し、Fisher Information Matrix (FIM) とMaximum Likelihood Estimator (MLE) のクローズドフォーム表現を導出する。 その結果,BSMの不完全性は推定精度を低下させる一方で,ネットワークサイズが大きくなるにつれて,各リンクパラメータのほぼ安定な精度が維持されることがわかった。
• 参考スコア（独自算出の注目度）: 8.246641453287312
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study Quantum Network Tomography (QNT) for end-to-end link-error characterization under imperfect Bell-state measurements (BSMs), where multiplicative coupling between link and measurement parameters makes identifiability non-trivial. For an n-node star network, we design probes that ensure unique identifiability and derive closed-form expressions for the Fisher Information Matrix (FIM) and Maximum Likelihood Estimators (MLEs), and characterize estimation precision through the Cramer-Rao Bound (CRB). The results show that BSM imperfections degrade estimation precision, while the proposed probes maintain nearly stable precision for individual link parameters as the network size increases. Monte Carlo simulations further confirm that the Mean Squared Error (MSE) approaches the CRB with increasing sample size.
• Abstract（参考訳）: 本研究では,不完全ベル状態測定(BSM)に基づくエンドツーエンドリンクエラー評価のための量子ネットワークトモグラフィー (QNT) について検討した。 我々は,Nノード・スターネットワークにおいて,魚情報行列 (FIM) と最大類似度推定器 (MLE) のユニークな識別可能性を保証するプローブを設計し,クレーマー・ラオ境界 (CRB) による推定精度を特徴付ける。 その結果,BSMの不完全性は推定精度を低下させる一方で,ネットワークサイズが大きくなるにつれて,各リンクパラメータのほぼ安定な精度が維持されることがわかった。 モンテカルロシミュレーションにより、平均正方形誤差 (MSE) がサンプルサイズの増加とともに CRB に近づくことが確認された。

関連論文リスト

• Accuracy is Not Enough: A Divergence-Based Approach to Evaluate Fidelity Loss in Quantized LLMs [13.897073114465094]
  メモリ制約エッジデバイスへのLLM(Large Language Models)の展開は、攻撃的なポストトレーニング量子化に大きく依存する。 本稿では,LLMにおける情報損失を定量化する分散感性評価フレームワークを提案する。 我々は、BF16基準に対する確率質量変位と分布のドリフトを定量化し、トップ1の精度に反映されない予測分布の変化を捉える。
  論文  参考訳（メタデータ） (2026-09-07T15:49:52Z)
• MS-ISSM: Objective Quality Assessment of Point Clouds Using Multi-scale Implicit Structural Similarity [65.85858856481131]
  点雲の非構造的で不規則な性質は、客観的品質評価(PCQA)に重大な課題をもたらす マルチスケールインシシシット構造類似度測定(MS-ISSM)を提案する。
  論文  参考訳（メタデータ） (2026-01-03T14:58:52Z)
• Optimal Multiparameter Quantum Estimation of Magnonic Couplings in a Magnomechanical Cavity [0.0]
  本稿では,結合の同時推定精度を$G_mc$と$G_mb$で向上させる実験的な手法を提案する。 また, ある条件下では, ヘテロダイン検出がQFIMの最終的な精度に近づきやすいことを示す。 このことから, ヘテロダイン検出に基づく測定戦略は, 結合を推定するための効率的かつ実用的な経路を提供する可能性が示唆された。
  論文  参考訳（メタデータ） (2025-11-15T20:45:26Z)
• Measurement Strategies and Estimation Precision in Quantum Network Tomography [8.246641453287312]
  量子ネットワークトモグラフィ(QNT)におけるリンクパラメータ推定手法の検討 局所Z基底測定(LZM)、ジョイントベル状態測定(JBM)、プレシェードエンタングルメントアシスト測定(PEM)の3つの異なる測定方法が分析されている。 PEM法は最小の量子クレーマー・ラオ境界(QCRB)を実現する。
  論文  参考訳（メタデータ） (2025-11-03T15:19:48Z)
• Compact Bayesian Neural Networks via pruned MCMC sampling [0.16777183511743468]
  ベイズニューラルネットワーク(BNN)は、モデル予測において堅牢な不確実性定量化を提供するが、それらのトレーニングは重要な計算課題を示す。 本研究では,MCMCサンプリングとネットワークプルーニングを併用して,コンパクトな確率モデルを得るという課題に対処する。 モデルトレーニングと一般化性能を保ちながら, 後続分布による不確実性を推定する能力は, コンパクトBNNが維持可能であることを保証する。
  論文  参考訳（メタデータ） (2025-01-12T22:48:04Z)
• Deterministic and statistical calibration of constitutive models from full-field data with parametric physics-informed neural networks [36.136619420474766]
  フルフィールド変位データからモデルキャリブレーションを行うためのパラメトリック物理インフォームドニューラルネットワーク(PINN)について検討した。 PINNの高速評価により、ほぼリアルタイムでキャリブレーションを行うことができる。
  論文  参考訳（メタデータ） (2024-05-28T16:02:11Z)
• Meta Learning Low Rank Covariance Factors for Energy-Based Deterministic Uncertainty [58.144520501201995]
  ニューラルネットワーク層のBi-Lipschitz正規化は、各レイヤの特徴空間におけるデータインスタンス間の相対距離を保存する。 注意セットエンコーダを用いて,タスク固有の共分散行列を効率的に構築するために,対角的,対角的,低ランクな要素のメタ学習を提案する。 また,最終的な予測分布を達成するために,スケールしたエネルギーを利用する推論手法を提案する。
  論文  参考訳（メタデータ） (2021-10-12T22:04:19Z)
• Uncertainty-Aware Deep Calibrated Salient Object Detection [74.58153220370527]
  既存のディープニューラルネットワークに基づくサルエントオブジェクト検出(SOD)手法は主に高いネットワーク精度の追求に重点を置いている。 これらの手法は、信頼不均衡問題として知られるネットワーク精度と予測信頼の間のギャップを見落としている。 我々は,不確実性を考慮した深部SODネットワークを導入し,深部SODネットワークの過信を防止するための2つの戦略を提案する。
  論文  参考訳（メタデータ） (2020-12-10T23:28:36Z)
• Amortized Conditional Normalized Maximum Likelihood: Reliable Out of Distribution Uncertainty Estimation [99.92568326314667]
  本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。 提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。 我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
  論文  参考訳（メタデータ） (2020-11-05T08:04:34Z)
• Uncertainty Estimation Using a Single Deep Deterministic Neural Network [66.26231423824089]
  本稿では,1回のフォワードパスで,テスト時に分布データポイントの発見と拒否が可能な決定論的ディープモデルを訓練する手法を提案する。 我々は,新しい損失関数とセントロイド更新方式を用いて,これらをスケールトレーニングし,ソフトマックスモデルの精度に適合させる。
  論文  参考訳（メタデータ） (2020-03-04T12:27:36Z)
• Toward fast and accurate human pose estimation via soft-gated skip connections [97.06882200076096]
  本稿では,高精度かつ高効率な人間のポーズ推定について述べる。 我々は、最先端技術よりも精度と効率を両立させる文脈において、この設計選択を再分析する。 本モデルでは,MPII と LSP のデータセットから最先端の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-25T18:51:51Z)

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。