論文の概要: Error-corrected function estimation advantage in multiparameter Hamiltonians
- arxiv url: http://arxiv.org/abs/2609.16226v1
- Date: Mon, 14 Sep 2026 18:57:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.182026
- Title: Error-corrected function estimation advantage in multiparameter Hamiltonians
- Title（参考訳）: 多パラメータハミルトニアンにおける誤差補正関数推定の利点
- Abstract要約: マルコフ雑音の存在下で、複数のハミルトンパラメータの関数を推定するための最終的な精度限界を確立する。
直接関数推定は,各パラメータを個別に推定し,その後に関数を評価できることを示す。
- 参考スコア（独自算出の注目度）: 3.0446222918423627
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We establish the ultimate precision limits for estimating a function of multiple Hamiltonian parameters in the presence of Markovian noise. By reducing multiparameter function estimation to an optimization over effective single-parameter embeddings, we derive tight bounds on the quantum Fisher information. We identify a necessary and sufficient functional Hamiltonian-not-in-Lindblad-span condition for Heisenberg-limited scaling in time. When this condition holds, we construct a code that simultaneously removes the noise and nuisance Hamiltonian parameters while preserving the target signal. When it fails, we derive the optimal standard quantum-limit coefficient and show that it is asymptotically attainable using approximate quantum error correction. Finally, we demonstrate that direct function estimation can substantially outperform estimating all parameters individually and subsequently evaluating the function. This advantage can scale with both the evolution time and the number of parameters.
- Abstract（参考訳）: マルコフ雑音の存在下で、複数のハミルトンパラメータの関数を推定するための最終的な精度限界を確立する。
多パラメータ関数推定を効率的な単一パラメータ埋め込みの最適化に還元することにより、量子フィッシャー情報に厳密な境界を導出する。
ハイゼンベルク限定スケーリングに必要かつ十分な機能的ハミルトニアン・イン・リンドブラッド・スパン条件を同定する。
この条件が成立すると、ターゲット信号を保持しながらノイズとニュアンスハミルトンパラメータを同時に除去するコードを構築する。
失敗すると、最適標準量子限界係数を導出し、近似量子誤差補正を用いて漸近的に達成可能であることを示す。
最後に、直接関数推定は、各パラメータを個別に推定し、その後に関数を評価できることを示す。
この利点は、進化時間とパラメータの数の両方でスケールできる。
関連論文リスト
- Geometric obstructions to quadratic time scaling in multiparameter quantum estimation [0.8586348698580818]
単一パラメータの単位符号化は精度を2次的に向上させる。
しかし、複数のパラメータを同時に推定する場合、この基本的なスケーリングは保証されない。
論文 参考訳（メタデータ） (2026-07-07T15:40:45Z) - Multiparameter function estimation for general Hamiltonians [0.0]
我々は、究極の量子極限を導出し、一般ハミルトニアンにおけるパラメータの任意の関数に対する推定プロトコルを示す。
この結果は、量子システムにおける最適関数推定のための一般的なフレームワークを提供することにより、以前の研究を統一し、拡張する。
論文 参考訳（メタデータ） (2026-05-05T18:00:00Z) - Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。
このような問題は医学、物理学、機械学習で発生する。
両種類の雑音下で提案アルゴリズムの収束保証を行う。
論文 参考訳（メタデータ） (2024-11-21T10:26:17Z) - Estimation of Hamiltonian parameters from thermal states [0.0]
我々は、ギブスの熱状態と既知の温度を測定することで、未知のハミルトンパラメータを推定できる最適精度を上下に設定する。
我々は、パラメータが1/sqrtn$未満の誤差で推定され、標準量子限界を超えるような絡み合った熱状態が存在することを示した。
論文 参考訳（メタデータ） (2024-01-18T19:15:36Z) - Nanoradian-Scale Precision in Light Rotation Measurement via Indefinite Quantum Dynamics [0.5615696147680801]
この実験では、ナノラジアンスケールの光回転測定精度が達成された。
このスキームは、光子によって提供される様々な操作可能な資源のために、様々な光学応用において有望である。
論文 参考訳（メタデータ） (2023-10-11T01:53:00Z) - Special functions in quantum phase estimation [61.12008553173672]
一つは球面波動関数のプロレーションであり、これは真パラメータと推定値の差が一定の閾値より小さい最大確率を与える。
もう1つはマチュー関数であり、エネルギー制約の下での最適推定を正確に与えている。
論文 参考訳（メタデータ） (2023-02-14T08:33:24Z) - Kernel-based off-policy estimation without overlap: Instance optimality
beyond semiparametric efficiency [53.90687548731265]
本研究では,観測データに基づいて線形関数を推定するための最適手順について検討する。
任意の凸および対称函数クラス $mathcalF$ に対して、平均二乗誤差で有界な非漸近局所ミニマックスを導出する。
論文 参考訳（メタデータ） (2023-01-16T02:57:37Z) - Multiparameter estimation of continuous-time Quantum Walk Hamiltonians
through Machine Learning [0.0]
ニューラルネットワークモデルを用いて,線グラフ上の連続時間量子ウォークを$n$近傍相互作用で記述する。
ニューラルネットワークは,2つあるいは3つのパラメータの推定を行う場合にも,ほぼ最適な推定器として機能することがわかった。
論文 参考訳（メタデータ） (2022-11-10T15:03:21Z) - Bosonic field digitization for quantum computers [62.997667081978825]
我々は、離散化された場振幅ベースで格子ボゾン場の表現に対処する。
本稿では,エラースケーリングを予測し,効率的な量子ビット実装戦略を提案する。
論文 参考訳（メタデータ） (2021-08-24T15:30:04Z) - On the properties of the asymptotic incompatibility measure in
multiparameter quantum estimation [62.997667081978825]
Incompatibility (AI) は、ホレヴォとSLDスカラー境界の差を定量化する尺度である。
最大AI量は、$mu_sf min = 1/(d-1)$より大きい純度で特徴づけられる量子統計モデルに対してのみ達成可能であることを示す。
論文 参考訳（メタデータ） (2021-07-28T15:16:37Z) - Minimax Kernel Machine Learning for a Class of Doubly Robust Functionals [16.768606469968113]
もともと導入された二重頑健なモーメント関数のクラスを考える(Robins et al., 2008)。
このモーメント関数は、ニュアンス関数の推定方程式の構築に使用できることを実証する。
ニュアンス関数の収束速度は、統計学習理論の現代的な手法を用いて解析される。
論文 参考訳（メタデータ） (2021-04-07T05:52:15Z) - Quantum probes for universal gravity corrections [62.997667081978825]
最小長の概念を概観し、量子系のハミルトニアンに現れる摂動項をいかに引き起こすかを示す。
我々は、推定手順の精度の最終的な限界を見つけるために、量子フィッシャー情報を評価する。
以上の結果から,量子プローブは有用な資源であり,精度が向上する可能性が示唆された。
論文 参考訳（メタデータ） (2020-02-13T19:35:07Z)
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。