論文の概要: Quantum Channel Stein's Lemma with an Exponential Strong Converse
- arxiv url: http://arxiv.org/abs/2609.27196v1
- Date: Wed, 23 Sep 2026 01:00:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:17.813133
- Title: Quantum Channel Stein's Lemma with an Exponential Strong Converse
- Title（参考訳）: 指数的強い逆数を持つ量子チャネルステインレンマ
- Abstract要約: 固定型Iの誤差許容度を$(0,1)$の量子チャネルStein lemmaを確立する。
任意の適応戦略の下で指数的強い逆を証明する。
- 参考スコア（独自算出の注目度）: 2.8802622551493773
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We establish the quantum channel Stein lemma at every fixed type-I error tolerance in $(0,1)$ and prove an exponential strong converse under arbitrary adaptive strategies. For any finite-dimensional channel pair, the optimal type-II exponent equals the regularized channel relative entropy and is attained by parallel strategies. When this divergence is finite, every strictly larger type-II rate forces the probability of accepting the null hypothesis to decay exponentially, uniformly over strategies and quantum memories. The proof rests on a uniform Stinespring approximation: tensor powers of the null dilation are approximated by tensor powers of the alternative dilation after applying an auxiliary linear map to the environment. The operator-norm error is exponentially small under a squared-norm bound at any rate above the regularized relative entropy. We construct the approximation from a weak testing bound by iterative rate reduction and a fixed-block tensor expansion with an exact residual. It implies right continuity at order one of the regularized sandwiched Rényi channel divergence, which yields the adaptive converse through the channel chain rule. We also obtain a sharp hockey-stick threshold and a subchannel smoothing asymptotic equipartition property for fixed and subexponentially vanishing diamond-norm errors.
- Abstract（参考訳）: 固定型Iの誤り許容度を$(0,1)$で量子チャネルStein lemmaを確立し、任意の適応戦略の下で指数関数的な強い逆を証明する。
任意の有限次元チャネル対に対して、最適なタイプII指数は正規化されたチャネル相対エントロピーと等しく、平行戦略によって達成される。
この発散が有限であるとき、全ての厳密に大きいタイプII速度は、ヌル仮説を受け入れる確率を指数関数的に、戦略や量子記憶に対して低下させる。
この証明は、一様スタインスプリング近似に依拠する: ヌルディレーションのテンソルパワーは、環境に補助線型写像を適用した後、代替ディレーションのテンソルパワーによって近似される。
作用素-ノルム誤差は正則化された相対エントロピーを超える任意の速度で平方ノルム境界の下で指数関数的に小さい。
我々は、繰り返し速度の低減と正確な残差を持つ固定ブロックテンソル展開によって制限された弱い試験から近似を構築する。
これは、規則化されたサンドイッチ化されたレニイチャネルの分岐の1つが順番に正しい連続性を示し、チャネル連鎖則を通じて適応的な逆をもたらす。
また,シャープなホッケースティックしきい値と,ダイヤモンド・ノームの誤りを固定・非指数的に解消する漸近的均質性も得られる。
関連論文リスト
- Stability and Generalization of Straight-Through Estimators for Training Two-Layer Quantized Neural Networks [16.84694273405234]
ヒンジロスを伴う2層2層活性化ネットワークを訓練するための恒常的ストレートスルー推定器(STE)について検討した。
我々の中心的な問題は、アルゴリズム安定性が不連続なSTEトレーニングルールによって生成される推定器の統計的一般化を説明することができるかどうかである。
論文 参考訳（メタデータ） (2026-09-06T07:12:16Z) - Discretization and Statistical Consistency of Functional Flow Matching [0.0]
有限ランク再構成の強い一貫した列に対して、有限条件速度目標の強い$L2$収束を証明した。
学習フローに対して、集団重ね合わせ経路に直接結合すると、終端ワッサーシュタイン境界が得られる。
論文 参考訳（メタデータ） (2026-08-05T07:05:47Z) - Maximal Classicalization of Finite-Group Quantum Reference-Frame Noise [0.0]
グループ値のミスアライメントを持つ有限量子参照トークンは、ランダムなユニタリチャネルを誘導する。
以下の条件が有限群 G のユニタリ表現 U に等しいことを証明している。
論文 参考訳（メタデータ） (2026-07-14T17:07:57Z) - VORT: Adaptive Power-Law Memory for NLP Transformers [0.913755431537592]
学習可能な分数次 _iin[,1] をそれぞれ割り当てるメモリアーキテクチャを導入する。
分数重み付け和は非マルコフ和であるため、ガウス・ラゲール二次方程式によって計算された指数和(SOE)分解によって近似する。
リトリーバルは、正確にO(KSd_d_v)-per-stepの再発を有するリニアアテンションアキュムレータを介してキーと連想する。
論文 参考訳（メタデータ） (2026-05-09T14:20:17Z) - Stability and Generalization of Push-Sum Based Decentralized Optimization over Directed Graphs [55.77845440440496]
プッシュベースの分散通信は、情報交換が非対称である可能性のある通信ネットワークの最適化を可能にする。
我々は、グラディエント・プッシュ(SGP)アルゴリズムのための統一的な一様安定性フレームワークを開発する。
重要な技術的要素は、2つの量に束縛された不均衡認識の一般化である。
論文 参考訳（メタデータ） (2026-02-24T05:32:03Z) - Stabilizing Fixed-Point Iteration for Markov Chain Poisson Equations [49.702772230127465]
有限状態マルコフ鎖を$n$状態と遷移行列$P$で研究する。
すべての非退化モードが実周辺不変部分空間 $mathcalK(P)$ によってキャプチャされ、商空間 $mathbbRn/mathcalK(P) 上の誘導作用素が厳密に収縮し、ユニークな商解が得られることを示す。
論文 参考訳（メタデータ） (2026-01-31T02:57:01Z) - A semiconcavity approach to stability of entropic plans and exponential convergence of Sinkhorn's algorithm [3.686530147760242]
エントロピック最適輸送問題に対するシンクホーンアルゴリズムのバウンダリと収束の安定性について検討する。
新しい用途には、部分空間の弾性コスト、弱対数対数辺縁、軽い尾を持つ辺縁などがある。
論文 参考訳（メタデータ） (2024-12-12T12:45:31Z) - Learning with Norm Constrained, Over-parameterized, Two-layer Neural Networks [54.177130905659155]
近年の研究では、再生カーネルヒルベルト空間(RKHS)がニューラルネットワークによる関数のモデル化に適した空間ではないことが示されている。
本稿では,有界ノルムを持つオーバーパラメータ化された2層ニューラルネットワークに適した関数空間について検討する。
論文 参考訳（メタデータ） (2024-04-29T15:04:07Z) - Optimal policy evaluation using kernel-based temporal difference methods [78.83926562536791]
カーネルヒルベルト空間を用いて、無限水平割引マルコフ報酬過程の値関数を推定する。
我々は、関連するカーネル演算子の固有値に明示的に依存した誤差の非漸近上界を導出する。
MRP のサブクラスに対する minimax の下位境界を証明する。
論文 参考訳（メタデータ） (2021-09-24T14:48:20Z) - Debiased Sinkhorn barycenters [110.79706180350507]
最適輸送(OT)におけるエントロピー正則化(Entropy regularization)は、機械学習におけるWassersteinメトリクスやバリセンタに対する近年の関心の原動力となっている。
このバイアスがエントロピー正則化器を定義する基準測度とどのように密接に関連しているかを示す。
両世界の長所を保ち、エントロピーを滑らかにしないシンクホーン様の高速な反復をデバイアスド・ワッサースタインのバリセンタとして提案する。
論文 参考訳（メタデータ） (2020-06-03T23:06:02Z)
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。