論文の概要: The Sample Complexity of Quantum Entanglement Allocation
- arxiv url: http://arxiv.org/abs/2609.10141v1
- Date: Wed, 09 Sep 2026 13:19:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:09.033566
- Title: The Sample Complexity of Quantum Entanglement Allocation
- Title（参考訳）: 量子エンタングルメント配置のサンプル複雑度
- Abstract要約: 回答は、クエリが生成したアロケーションの選択に依存することを示す。
より大きなメモリでは、これ以上データを必要としない。
我々は、余分な新しい検出器呼び出しで正確なトレードオフを導き、学習法則を構造化トランザクションコロケーションに転送する。
- 参考スコア（独自算出の注目度）: 0.13537117504260623
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: How many past requests are needed to decide which qubits should share entanglement? We show that the answer depends on the allocation choices created by the queries: a larger memory can require no more data. The memory stores a classical bit and answers requests through a fixed detector that preserves coherence within each measured sector. For independent commuting $X$- and $Z$-type Pauli queries, we characterize the full attainable prediction-contrast region and construct encodings that preserve the bit at every nonzero vertex. With sharp reports, a $d$-qubit path and groups of at most $k$ qubits have minimax excess error after $m$ requests proportional to $k^{-1}\min\{1,\sqrt{d\log(k+1)/m}\}$, uniformly for $2\leq k<d$. Connected biclique regions can grow without increasing sample demand when depth, region count and connections per region stay bounded. Preparation noise introduces a separate calibration requirement. We derive an exact tradeoff with extra fresh detector calls and transfer the learning law to structured transaction co-location. Population-risk experiments test the statistical predictions. We also compare encodings on a native 15-qubit device and learned partitions on public purchase baskets. The full chain wins on the device; frequency grouping outperforms basket search in the largest-capacity retail setting.
- Abstract（参考訳）: どのキュービットが絡み合いを共有するべきかを決めるのに、過去の要求が何回必要か?
回答はクエリが生成したアロケーションの選択に依存していることを示します。
メモリは古典的なビットを格納し、各セクター内のコヒーレンスを保存する固定された検出器を介して要求に応答する。
独立に通勤する$X$-および$Z$-type Pauliクエリに対して、完全な予測コントラスト領域を特徴付け、非ゼロ頂点毎にビットを保持するエンコーディングを構築する。
シャープなレポートでは、$d$-qubitパスと、少なくとも$k$ qubitsのグループは、$k^{-1}\min\{1,\sqrt{d\log(k+1)/m}\}$に比例した$m$リクエストの後に、$m$オーバーエラーを極小にする。
接続された双立領域は、深度、領域数、領域ごとの接続が束縛されたままである場合、サンプル需要を増大させることなく成長することができる。
準備ノイズは別個の校正要件を導入する。
我々は、余分な新しい検出器呼び出しで正確なトレードオフを導き、学習法則を構造化トランザクションコロケーションに転送する。
集団リスク実験は統計的予測をテストする。
また、ネイティブな15ビットデバイス上のエンコーディングを比較し、パブリック購入バスケット上のパーティションを学習する。
フルチェーンはデバイス上で勝利し、最大容量の小売環境では、周波数グルーピングがバスケット検索を上回っている。
関連論文リスト
- Non-Adaptive 1-Bit Mean Estimation: Minimax Rates and the Sample-Interval Tradeoff [32.65125292684608]
1ビット通信制約下での1次元平均推定について検討する。
我々は、$k>1$毎に、適応性のないプロトコルが適応性1ビットのミニマックスレートに達することを発見した。
論文 参考訳（メタデータ） (2026-09-08T10:52:52Z) - A Single Fixed Shallow Circuit for Classical Shadows of Arbitrary n-Qubit States [2.5735476569508995]
我々は、再利用可能なシャドウスナップショットのラベルとして外部サンプル設定を置き換える、単一の固定された浅い量子アナライザを構築した。
アナライザは新しく用意された$n$-qubitfiducial register$A$と並列のBellreadout$A$と未知のシステム$S$を組み合わせて、1コピーあたり2n$-bitレコードを生成する。
論文 参考訳（メタデータ） (2026-09-07T04:36:39Z) - Random Projections for Multi-Copy Quantum Algorithms [3.995502708329505]
量子状態の非線形特性を推定することは、量子情報科学における中心的な課題である。
スワップテストに基づく標準プロトコルは、完全なヒルベルト空間上のコヒーレントな操作を必要とする。
低次元部分空間へのランダムなプロジェクションに基づくマルチコピー計測のためのフレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-18T13:49:14Z) - Stochastic Sparse Attention for Memory-Bound Inference [19.301894658575502]
SANTA(Additive No-mult Attention)は,ソフトマックス後の分布から$S ll n_k$インデックスをサンプリングすることで,値キャッシュアクセスを分散する手法である。
また、スコアステージをスパース化するための補完手法としてBernoulli $qKmathsfT$サンプリングを提案する。
論文 参考訳（メタデータ） (2026-05-03T14:44:14Z) - Quantum Causal Discovery via Amplitude Estimation of Kullback-Leibler Divergence [0.0]
本稿では,クリッピングされた対数密度比を振幅推定として符号化した量子アルゴリズムQKLA(Quantum Kullback-Leibler Amplitude Estimation)を提案する。
QKLAは2次精度の改善を実現し、$mathcalO((L/)log (1/)$クエリのみを必要とする。
階層ごとの条件付きオーラルアクセスとCI決定のマージン仮定の下で、PCアルゴリズムの化合物にこの推定器を埋め込み、$widetilde (1/(L)にする。
論文 参考訳（メタデータ） (2026-04-25T21:46:28Z) - Correction and Corruption: A Two-Rate View of Error Flow in LLM Protocols [51.56484100374058]
そこで本研究では,単一プロトコルステップを正確なマッチングタスクで監査するためのペアアウトカム計測インタフェースを提案する。
各インスタンスについて、インターフェースはベースラインの正当性ビットと後ステップの正当性ビットを記録する。
これらのレートは精度の変化を予測し、種、混合物、パイプライン間でテスト可能な再利用可能な経験的インターフェースを定義する。
論文 参考訳（メタデータ） (2026-04-20T13:25:40Z) - Order-Optimal Sequential 1-Bit Mean Estimation in General Tail Regimes [32.65125292684608]
ランダム化しきい値クエリのみに基づく適応型平均推定器を提案する。
我々の推定器のサンプル複雑性は、余分な乗法的な$O(log(/))$ペナルティを持つ。
しきい値クエリとより一般的な間隔クエリの両方において、任意の非適応推定器のサンプル複雑性は線形にスケールしなければならない。
論文 参考訳（メタデータ） (2026-04-09T04:49:21Z) - Linear-time Minimum Bayes Risk Decoding with Reference Aggregation [52.1701152610258]
最小ベイズリスク(MBR、Minimum Bayes Risk)は、機械翻訳の品質向上を図ったテキスト生成技術である。
これは2次複雑性を持つ実用計量のペアワイズ計算を必要とする。
本稿では,集約された参照表現に対して計算したスコアを用いて,ペアワイズメトリックスコアを近似する。
論文 参考訳（メタデータ） (2024-02-06T18:59:30Z) - Provably Efficient High-Dimensional Bandit Learning with Batched
Feedbacks [93.00280593719513]
本稿では,オンラインインタラクションのT$ステップをバッチに分割したバッチフィードバックによる高次元マルチアームコンテキストバンドレットについて検討する。
具体的には、各バッチは以前のバッチに依存するポリシーに従ってデータを収集し、その報酬はバッチの最後にのみ明らかにする。
我々のアルゴリズムは,$mathcalO( log T)$ バッチで完全に逐次的に設定されたものに匹敵する後悔の限界を達成している。
論文 参考訳（メタデータ） (2023-11-22T06:06:54Z) - Mixed-Precision Neural Network Quantization via Learned Layer-wise
Importance [50.00102219630088]
混合精度量子化(MPQ)は各層に対して最適なビット幅を決定するのを難しくする。
本稿では,すべての指標を同時に取得できる共同学習手法を提案する。
例えば、ResNet18上のインデックスによるMPQ検索は、わずか0.06秒しかかからない。
論文 参考訳（メタデータ） (2022-03-16T03:23:50Z) - STEM: A Stochastic Two-Sided Momentum Algorithm Achieving Near-Optimal
Sample and Communication Complexities for Federated Learning [58.6792963686231]
フェデレートラーニング(FL)とは、複数のワーカノード(WN)がローカルデータを用いてジョイントモデルを構築するパラダイムを指す。
WNの最小更新方向、最初のミニバッチサイズ、ローカル更新頻度をどうやって選択するかは明らかになっていない。
局所的な更新頻度と局所的なミニサイズとの間にはトレードオフ曲線があることを示し、上記の複雑さを維持できることを示す。
論文 参考訳（メタデータ） (2021-06-19T06:13:45Z) - Navigating to the Best Policy in Markov Decision Processes [68.8204255655161]
マルコフ決定過程における純粋探索問題について検討する。
エージェントはアクションを逐次選択し、結果のシステム軌道から可能な限り早くベストを目標とする。
論文 参考訳（メタデータ） (2021-06-05T09:16:28Z)
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。