論文の概要: Optimal Linear-Rate Conversion of Unknown Mixed Qubit States via SWAP Tests
- arxiv url: http://arxiv.org/abs/2609.17311v1
- Date: Tue, 15 Sep 2026 15:21:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.59685
- Title: Optimal Linear-Rate Conversion of Unknown Mixed Qubit States via SWAP Tests
- Title（参考訳）: SWAP試験による未知混合量子状態の最適線形レート変換
- Abstract要約: 異なる純度のキュービット状態が相互変換可能な最大線形速度を決定する。
最適変換率は、複素右対数微分(RLD)フィッシャー情報行列の2つの固有値によって決定される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: By consuming multiple copies of an unknown qubit state, one can modify its purity while preserving the direction of its Bloch vector. We determine the maximum linear rate at which qubit states of different purities can be interconverted, allowing a nonzero error, quantified, for instance, by the trace distance, provided that it vanishes in the limit of infinitely many copies. Interestingly, the optimal conversion rate is determined by the two eigenvalues of the complex right-logarithmic-derivative (RLD) Fisher information matrix associated with $\mathrm{SU}(2)$ rotations of the qubit state. When the output qubits have higher purity, corresponding to concentration, the optimal rate is given by the ratio of the maximum eigenvalues of the input and output RLD matrices. In contrast, when the output qubits have lower purity, corresponding to dilution, the optimal rate is given by the ratio of their minimum eigenvalues. Remarkably, both concentration and dilution can be implemented using SWAP tests as the only nontrivial two-qubit measurement primitive, together with ancillary qubits initially prepared in maximally mixed states, without requiring any additional two-qubit gates. Our work thus provides a novel operational interpretation of the full complex RLD Fisher information matrix. Crucially, its antisymmetric, purely imaginary part encodes geometric information beyond the statistical distance between density operators and plays an essential role in determining the optimal state-conversion rates.
- Abstract（参考訳）: 未知の量子状態の複数のコピーを消費することにより、Blochベクトルの向きを保ちながら純度を変更することができる。
我々は、異なる純度のキュービット状態が相互変換できる最大線形率を決定し、例えば、無限に多くのコピーの極限で消えるならば、トレース距離によって非ゼロ誤差を定量化することができる。
興味深いことに、最適変換率は、複素右対数微分(RLD)フィッシャー情報行列の2つの固有値と$\mathrm{SU}(2)$量子ビット状態の回転によって決定される。
出力キュービットが濃度に応じて高い純度を有する場合、最適率は入力および出力RLD行列の最大固有値の比で与えられる。
対照的に、出力キュービットが希釈に対応する低い純度を持つ場合、最適率はそれらの最小固有値の比率によって与えられる。
注目すべきは、濃度と希釈の両方をSWAP試験で唯一の非自明な2量子ビット測定プリミティブとして実装することができ、さらに2量子ビットゲートを必要とせずに、最初は最大混合状態で調製された補助量子ビットと組み合わせることができることである。
我々の研究は、完全な複雑なRTDフィッシャー情報行列の新たな操作的解釈を提供する。
重要なことに、その反対称的、純粋に虚部は密度演算子間の統計的距離を超えて幾何学情報を符号化し、最適な状態変換率を決定する上で重要な役割を果たす。
関連論文リスト
- Overfitting Mitigation via Singular Value Decomposition in Minimum Bayes Risk Decoding [53.9009465845701]
本稿では,一対のユーティリティ行列をノイズ情報信号としてフレーム化するSVD-MBRを提案する。
実験により、SVD-MBRは復号化に成功し、一般化されたメトリクスの範囲でかなりの利得が得られることが示された。
論文 参考訳（メタデータ） (2026-09-01T12:11:29Z) - LimiX-2M: Mitigating Low-Rank Collapse and Attention Bottlenecks in Tabular Foundation Models [56.999481798138625]
LimiX-2Mは2Mパラメータモデルであり、広く使われているベンチマークでTabPFN-v2とTabICLのベースラインを上回っている。
本稿では,強力なタブラル基礎モデル(TFM)のための統一トークン化・ルートフレームワークを提案する。
その結果、TFMにおける精度-効率トレードオフを改善するキーレバーとして、バリューアウェアトークン化とリードアウト整列ルーティングが強調された。
論文 参考訳（メタデータ） (2026-06-03T06:07:33Z) - WUSH: Near-Optimal Adaptive Transforms for LLM Quantization [52.77441224845925]
低ビット幅への量子化は、大きな言語モデルをデプロイするための標準的なアプローチである。
いくつかの極端な重みと活性化は、ダイナミックレンジを拡張し、量子化器の有効分解能を減少させる。
結合重みアクティベーション量子化のための閉形式最適線形ブロックワイズ変換を初めて導出する。
論文 参考訳（メタデータ） (2025-11-30T16:17:34Z) - Contrastive Entropy Bounds for Density and Conditional Density Decomposition [6.697324698653934]
ヒルベルト空間と分解を用いて、多重出力ネットワークがガウス混合を定義する複数の中心を生成する場合に対処する。
本稿では,デコーダを複数出力するエンコーダ/ミキサー/デコーダアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-11-17T02:49:08Z) - Randomized truncation of quantum states [0.16567880228735354]
トレース距離またはロバストネスにおいて、与えられた純状態を最適に近似するスパース状態の混合を見つけるための効率的なアルゴリズムを提供する。
これらのアルゴリズムはまた、これらの最適混合近似に対応するスパース状態の効率的にサンプリング可能なアンサンブルを記述する。
論文 参考訳（メタデータ） (2025-10-09T17:47:07Z) - Fourier Sliced-Wasserstein Embedding for Multisets and Measures [3.396731589928944]
ユークリッド空間に Rd 上の多重集合と測度を埋め込む新しい方法を提案する。
我々は、Rd 上の分布をバイ・リプシッツな方法でユークリッド空間に埋め込むことは不可能であることを証明した。
論文 参考訳（メタデータ） (2024-05-26T11:04:41Z) - DB-LLM: Accurate Dual-Binarization for Efficient LLMs [83.70686728471547]
大規模言語モデル(LLM)は自然言語処理の分野を著しく進歩させてきた。
既存の超低ビット量子化は、常に深刻な精度低下を引き起こす。
本稿では,LLM,すなわちDB-LLMのための新しいデュアルバイナライズ手法を提案する。
論文 参考訳（メタデータ） (2024-02-19T09:04:30Z) - Fast Batch Nuclear-norm Maximization and Minimization for Robust Domain
Adaptation [154.2195491708548]
ランダムに選択されたデータバッチの分類出力行列の構造について検討し,予測可能性と多様性について検討した。
本稿では,目標出力行列上で核ノルムを行い,目標予測能力を向上するBatch Nuclear-norm Maximization and Minimizationを提案する。
実験により,本手法は3つの典型的なドメイン適応シナリオにおいて適応精度とロバスト性を高めることができることが示された。
論文 参考訳（メタデータ） (2021-07-13T15:08:32Z) - Range-Net: A High Precision Streaming SVD for Big Data Applications [6.050462414301623]
ビッグデータ設定コンピューティングでは、主記憶要求のため、支配的なSVD要素が制限される。
Eckart-Young-Mirsky (EYM) の定理によって与えられる尾エネルギーの下界を満たすランダム化SVDの代替として Range-Net を提案する。
論文 参考訳（メタデータ） (2020-10-27T15:42:59Z) - Bayesian Bits: Unifying Quantization and Pruning [73.27732135853243]
我々は、勾配に基づく最適化による混合精度量子化とプルーニングの実用的な方法であるBayesian Bitsを紹介する。
提案手法をいくつかのベンチマーク・データセット上で実験的に検証し,プレナード付き混合精度ネットワークを学習可能であることを示す。
論文 参考訳（メタデータ） (2020-05-14T16:00:34Z)
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。