論文の概要: Robust multi-hypothesis quantum-state discrimination under unknown common unitary perturbations via least favorable priors
- arxiv url: http://arxiv.org/abs/2609.04020v1
- Date: Thu, 03 Sep 2026 15:59:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:39.148147
- Title: Robust multi-hypothesis quantum-state discrimination under unknown common unitary perturbations via least favorable priors
- Title（参考訳）: 未知の共通ユニタリ摂動の下でのロバストな多仮説量子状態判別
- Authors: Daichi Fujiki, Fuyuhiko Tanaka,
- Abstract要約: 我々は、すべての候補状態が同じ未知の共通ユニタリ摂動の影響を受けているとき、ロバストなK-ary量子状態判別について研究する。
未知の摂動は識別されるラベルを表すものではなく、固定された測定値のパフォーマンスを変えるニュアンス因子として機能する。
- 参考スコア（独自算出の注目度）: 0.40180395587330325
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study robust K-ary quantum-state discrimination when all candidate states are affected by the same unknown common unitary perturbation. The unknown perturbation does not represent the label to be identified, but acts as a nuisance factor that changes the performance of a fixed measurement. We formulate the problem as a minimax decision problem over the possible perturbations and propose using the Bayes-optimal collective measurement associated with a least favorable prior (LFP) on the nuisance-parameter space. For a finite discretization of this space, we show that the LFP can be computed by a semidefinite program and that the corresponding value coincides with the finite-grid minimax success probability. As numerical demonstrations, we consider a binary nonorthogonal qubit model and a nonorthogonal three-state qutrit model with an unknown common unitary perturbation. The LFP-based measurement substantially flattens the success-probability profile and improves the worst-case success probability compared with a reference-point optimal measurement and a uniform-prior Bayes measurement. The resulting LFP concentrates its weight on regions of the nuisance-parameter space that actively limit the robust discrimination performance, thereby providing both a constructive measurement design and a diagnostic description of the difficult nuisance-parameter regimes.
- Abstract（参考訳）: 我々は、すべての候補状態が同じ未知の共通ユニタリ摂動の影響を受けているとき、ロバストなK-ary量子状態判別について研究する。
未知の摂動は識別されるラベルを表すものではなく、固定された測定値のパフォーマンスを変えるニュアンス因子として機能する。
そこで我々は,この問題を可能な限りの摂動に対する最小値決定問題として定式化し,ニュアンス-パラメータ空間上の最優先先行値(LFP)に付随するベイズ-最適集団測定法を提案する。
この空間の有限離散化について、LFPは半定値プログラムで計算でき、対応する値は有限グリッドミニマックス成功確率と一致することを示す。
数値的な実演として、二進非直交量子ビットモデルと、未知の共通ユニタリ摂動を持つ非直交三状態量子ビットモデルを考える。
LFPに基づく測定は、成功確率プロファイルを実質的にフラットにし、基準点最適測定と均一優先ベイズ測定と比較して最悪の成功確率を向上させる。
その結果、LFPは、頑健な識別性能を積極的に制限するニュアンスパラメータ空間の領域に重みを集中させ、建設的な測定設計と困難なニュアンスパラメータ状態の診断記述を提供する。
関連論文リスト
- Quantum Decision Theory for Displacement Detection with Finite-Energy GKP States [46.2474896050764]
有限エネルギー,$d$レベルのGottesman-Kitaev-Preskill(GKP)プローブを用いた位相空間変位検出フレームワークを開発した。
単一モードおよび絡み合い支援アーキテクチャの場合、ベイズ最小エラー確率を導出する。
我々は、コヒーレントステート、方向整合型圧縮真空、ツインビームスキームに対する結果のプロトコルをベンチマークする。
論文 参考訳（メタデータ） (2026-08-08T10:32:05Z) - Proximal Mediation Analysis with Hidden Recanting Witnesses [6.9475003037956435]
多くの実践的な設定は、治療によって引き起こされた仲介者-アウトカムの共同設立者として定義される証人が欠席しているか、または完全に知られた先駆者である、という仮定に依存している。
本研究は,未確認の目撃者の存在下での経路特異的な影響を特定することの課題に対処する,3つの新しい識別戦略を開発する。
論文 参考訳（メタデータ） (2026-06-16T07:07:06Z) - Genuine Multipartite Nonlocality for Arbitrary Input: Maximal Randomness Generation and Robust Self-Testing [0.0]
任意のm-パーティイトシナリオにおいて、真のマルチパーティライト非局所性(GMNL)を識別できるベル不等式を導入する。
本研究では,最適量子違反における最大大域的DIランダム性(mビット)の抽出を可能にする。
論文 参考訳（メタデータ） (2026-06-09T14:45:31Z) - Measurement-Incompatibility Constraints for Maximal Randomness [5.560127372386599]
システム次元に関する仮定なしで最大量子ランダム性を証明することは、セキュアな通信と基礎研究にとって重要な課題である。
本稿では,任意のユーザ数を持つシステム間で観測された確率分布から,最大乱数を直接証明する一般化されたフレームワークを提案する。
本結果は,量子暗号や非局所相関の物理に影響を及ぼす,スケーラブルなランダム性証明への多目的かつ実験的にアクセス可能な経路を確立した。
論文 参考訳（メタデータ） (2025-05-23T07:45:11Z) - Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。
本手法は, 精度の高い問題に特に適している。
提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
論文 参考訳（メタデータ） (2023-11-08T00:10:21Z) - Optimal estimation of pure states with displaced-null measurements [0.0]
純粋量子状態の未知パラメータを推定する問題を再検討する。
本研究では,実験者が真のシステム状態に近いベクトルを含む基準で測定することを目指すヌル測度戦略について検討する。
論文 参考訳（メタデータ） (2023-10-10T16:46:24Z) - Monotonicity and Double Descent in Uncertainty Estimation with Gaussian
Processes [52.92110730286403]
限界確率はクロスバリデーションの指標を思い起こさせるべきであり、どちらもより大きな入力次元で劣化すべきである、と一般的に信じられている。
我々は,ハイパーパラメータをチューニングすることにより,入力次元と単調に改善できることを証明した。
また、クロスバリデーションの指標は、二重降下の特徴である質的に異なる挙動を示すことも証明した。
論文 参考訳（メタデータ） (2022-10-14T08:09:33Z) - Inference on Strongly Identified Functionals of Weakly Identified
Functions [71.42652863687117]
本研究では,ニュアンス関数が存在しない場合でも,関数を強く識別するための新しい条件について検討する。
本稿では,プライマリおよびデバイアスのニュアンス関数に対するペナル化ミニマックス推定器を提案する。
論文 参考訳（メタデータ） (2022-08-17T13:38:31Z) - Optimal variance-reduced stochastic approximation in Banach spaces [114.8734960258221]
可分バナッハ空間上で定義された収縮作用素の定点を推定する問題について検討する。
演算子欠陥と推定誤差の両方に対して漸近的でない境界を確立する。
論文 参考訳（メタデータ） (2022-01-21T02:46:57Z) - 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)
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。