論文の概要: Conditional Gaussian filtering by Arthurs--Kelly readout in a three-mode cluster wire

• arxiv url: http://arxiv.org/abs/2608.22043v1
• Date: Sat, 22 Aug 2026 17:12:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 18:24:36.942267
• Title: Conditional Gaussian filtering by Arthurs--Kelly readout in a three-mode cluster wire
• Title（参考訳）: アーサースによる条件付きガウスフィルタ--3モードクラスタワイヤのケリー読み出し
• Abstract要約: 我々は、校正された非相関Arthurs-Kellyの読み出しによって生成されるパターン解決型入出力共分散変換を分類する。 この結果から,固定クラスタグラフ内の共分散感性ガウスフィルタの計測レベルとして,キャリブレーションされた非相関アーサース(Kelly readout)を同定した。
• 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: Measurement readout programs the Gaussian operation implemented by a continuous-variable cluster wire. For the standard three-node wire, momentum homodyne readout gives an additive parity channel with finite-squeezing noise. We classify the pattern-resolved input--output covariance transformations generated by calibrated uncorrelated Arthurs--Kelly readout on one or both consumed nodes. Any finite Arthurs--Kelly position record produces a conditional Gaussian filter whose gain and residual covariance depend on the input covariance entries, rather than an input-independent additive Gaussian channel. Writing $\mathrm{A}$ for Arthurs--Kelly readout and $\mathrm{H}$ for homodyne readout, the readout pattern selects the filtered sector, with $\mathrm{AH}$ selecting position, $\mathrm{HA}$ selecting momentum, and $\mathrm{AA}$ retaining both. The hierarchy $0 < τ_{\mathrm{AA}} < \min \left\{ τ_{\mathrm{AH}}, τ_{\mathrm{HA}} \right\} < 1 = τ_{\mathrm{HH}}$ shows that finite Arthurs--Kelly position records contract the gain-transferred covariance area. Our results identify calibrated uncorrelated Arthurs--Kelly readout as a measurement-level method for covariance-sensitive Gaussian filtering inside a fixed cluster graph.
• Abstract（参考訳）: 測定読み出しプログラムは連続可変クラスタワイヤによって実装されたガウス演算である。 標準の3極線の場合、運動量ホモダインの読み出しは有限な雑音を持つ付加パリティチャネルを与える。 パターン解決された入力-出力共分散変換を1つまたは両方消費されたノード上で校正された非相関Arthurs--Kellyreadoutにより分類する。 任意の有限アーサース-ケリー位置記録は、入力独立な加法的ガウスチャネルではなく、入力共分散エントリに依存するゲインと残余共分散を持つ条件付きガウスフィルタを生成する。 $\mathrm{A}$ for Arthurs--Kelly readout and $\mathrm{H}$ for homodyne readout, the readout patterns selects the filtered sector with $\mathrm{AH}$ selecting position, $\mathrm{HA}$ selecting momentum, and $\mathrm{AA}$ retaining both. the hierarchy $0 < τ_{\mathrm{AA}} < \min \left\{ τ_{\mathrm{AH}}, τ_{\mathrm{HA}} \right\} < 1 = τ_{\mathrm{H}}$ Arthurs-Kelly は有限の Arthurs-Kelly の位置が利得共分散を記録していることを示している。 この結果から,固定クラスタグラフ内の共分散感性ガウスフィルタの計測レベルとして,キャリブレーションされた非相関アーサース(Kelly readout)を同定した。

関連論文リスト

• Spectral partitioning for $k$-block averaging kernels of finite Markov chains [2.9399121155604875]
  我々は,有限でエルゴード的で可逆なマルコフ連鎖に対する平均化カーネルを定義する状態空間分割を選択するアルゴリズムを開発した。 制御スペクトルグラフ,平均場イジングモデル,ベイズ変分選択実験は収束率と統計的推定において顕著に改善された。
  論文  参考訳（メタデータ） (2026-08-21T02:53:38Z)
• A Closed-Form Adaptive-Landmark Kernel for Certified Point-Cloud and Graph Classification [0.0]
  PALACEはOrbitHS5k(91.3pm 1.0%$, matching Persformer)上で最強の閉形式ダイアグラムベースの方法である ドメインインフレーションが8ドルになると、均等グリッドが崩壊する一方、プレースメントは94%$を維持している(4クラスデータでは25%$) PALACEはOrbitHS5k(91.3pm 1.0%$, matching Persformer)上で最強の閉形式ダイアグラムベースの手法である。
  論文  参考訳（メタデータ） (2026-05-05T17:59:18Z)
• Gaussian Universality for Diffusion Models [13.722991812691054]
  一般化線形モデルである $f(mathbfW)$ のテスト誤差は、拡散データ上の分類タスクのために訓練された検定誤差がガウス混合法で訓練された $f(mathbfW)$ のテスト誤差と一致することを示す。 また、任意の$$$-lipschitz scalar function $phi$, $phi(mathbfx)$ が $mathbbE phi(mathbfx)$ に近く、条件拡散モデルからサンプリングされた $mathbfx$ の確率が高いことも示している。
  論文  参考訳（メタデータ） (2025-01-13T23:13:01Z)
• Conformal Predictions under Markovian Data [50.24983453990065]
  マルコフデータに適用した場合の分割等角予測法について検討する。 データ間の相関によって引き起こされる被覆率の差を定量化する。 K$-split CP は鎖の混合特性に適応する手法である。
  論文  参考訳（メタデータ） (2024-07-21T22:01:09Z)
• Statistical Learning under Heterogeneous Distribution Shift [71.8393170225794]
  ground-truth predictor is additive $mathbbE[mathbfz mid mathbfx,mathbfy] = f_star(mathbfx) +g_star(mathbfy)$.
  論文  参考訳（メタデータ） (2023-02-27T16:34:21Z)
• Beyond Invariance: Test-Time Label-Shift Adaptation for Distributions with "Spurious" Correlations [44.99833362998488]
  テスト時のデータ分散の変化は、予測モデルのパフォーマンスに有害な影響を及ぼす可能性がある。 本研究では,未ラベルサンプルに適用したEMを用いて,共同分布の$p(y, z)$の変化に適応するテストタイムラベルシフト補正を提案する。
  論文  参考訳（メタデータ） (2022-11-28T18:52:33Z)
• Hamiltonian Monte Carlo for efficient Gaussian sampling: long and random steps [0.0]
  Hamiltonian Monte Carlo (HMC) は密度$e-f(x)$の高次元分布からサンプリングするマルコフ連鎖アルゴリズムである。 HMCは,$widetildeO(sqrtkappa d1/4 log(1/varepsilon)$グラデーションクエリを用いて,全変動距離で$varepsilon$-closeの分布からサンプリングできることを示す。
  論文  参考訳（メタデータ） (2022-09-26T15:29:29Z)
• Non-Gaussian Component Analysis via Lattice Basis Reduction [56.98280399449707]
  非ガウス成分分析(NGCA)は分布学習問題である。 我々は,NGCA に対して,$A$ が離散的あるいはほぼ離散的であるような効率的なアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2021-12-16T18:38:02Z)
• Random matrices in service of ML footprint: ternary random features with no performance loss [55.30329197651178]
  我々は、$bf K$ の固有スペクトルが$bf w$ の i.d. 成分の分布とは独立であることを示す。 3次ランダム特徴(TRF)と呼ばれる新しいランダム手法を提案する。 提案したランダムな特徴の計算には乗算が不要であり、古典的なランダムな特徴に比べてストレージに$b$のコストがかかる。
  論文  参考訳（メタデータ） (2021-10-05T09:33:49Z)
• Privately Learning Mixtures of Axis-Aligned Gaussians [12.77304082363491]
  ここでは,$widetildeO(k2 d log3/2 (1/delta) / alpha2 varepsilon)$サンプルは,$k$軸整列ガウスの混合を学習するのに十分であることを示す。 混合分布をプライベートに学習する新しい手法を設計する。
  論文  参考訳（メタデータ） (2021-06-03T22:34:23Z)
• Optimal Robust Linear Regression in Nearly Linear Time [97.11565882347772]
  学習者が生成モデル$Y = langle X,w* rangle + epsilon$から$n$のサンプルにアクセスできるような高次元頑健な線形回帰問題について検討する。 i) $X$ is L4-L2 hypercontractive, $mathbbE [XXtop]$ has bounded condition number and $epsilon$ has bounded variance, (ii) $X$ is sub-Gaussian with identity second moment and $epsilon$ is
  論文  参考訳（メタデータ） (2020-07-16T06:44:44Z)
• Robustly Learning any Clusterable Mixture of Gaussians [55.41573600814391]
  本研究では,高次元ガウス混合系の対向ロバスト条件下での効率的な学習性について検討する。 理論的に最適に近い誤り証明である$tildeO(epsilon)$の情報を、$epsilon$-corrupted $k$-mixtureで学習するアルゴリズムを提供する。 我々の主な技術的貢献は、ガウス混合系からの新しい頑健な識別可能性証明クラスターであり、これは正方形の定度証明システムによって捉えることができる。
  論文  参考訳（メタデータ） (2020-05-13T16:44:12Z)
• A computable multipartite multimode Gaussian correlation measure and the monogamy relation for continuous-variable systems [4.205209248693658]
  計算可能マルチパーティタイト多モードガウス量子相関測度を提案する。 $mathcal M(k)$は、多部量子相関測度が従うべき階層条件を満たす。
  論文  参考訳（メタデータ） (2020-01-05T14:25:09Z)

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。