論文の概要: Local and Global Risk Bounds for Quantum Entropy Estimation under Projective-Design Measurements

• arxiv url: http://arxiv.org/abs/2609.29485v1
• Date: Tue, 25 Aug 2026 03:35:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:56.042466
• Title: Local and Global Risk Bounds for Quantum Entropy Estimation under Projective-Design Measurements
• Title（参考訳）: 射影設計による量子エントロピー推定のための局所的・大域的リスク境界
• Abstract要約: 固定階数 1 の POVM の独立な結果からフォン・ノイマンエントロピーを推定するための下界を確立する。 回転平均のファンツリー引数は、$dge C$と$nge Cd$の場合に、少なくとも$(d/n)log2n/(4d)$という大域的ミニマックスリスクを与える。 また,最大混合状態付近の作用素-ノームボール半径$r$のリスクも特徴付ける。
• 参考スコア（独自算出の注目度）: 0.5076419064097734
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We establish a lower bound for estimating the von Neumann entropy from independent outcomes of any fixed rank-one POVM. A rotation-averaged van Trees argument gives a global minimax risk of at least $(d/n)\log^2\{n/(4d)\}$ when $d\ge C$ and $n\ge Cd$, without a projective-design assumption. We also characterize risk on an operator-norm ball of radius $r$ around the maximally mixed state. We allow an approximate second moment: on the trace-zero Hermitian subspace, the measurement frame may differ by $\varepsilon<1$ from the tight projective frame. A clipped estimator based on canonical dual shadows and the complete U-statistic for purity has risk at most $d^3r^2/n+d^4/n^2+d^6r^6$. Lower bounds under the same frame control yield the local minimax rate $d^3r^2/n+d^4/n^2$ when $n\ge Cd^2$ and $r$ lies in an explicit matching range. For every fixed upper bound on $\varepsilon$, approximation changes only the constants, not the powers of $d,n,r$. At the critical radius $r=n^{-1/2}$, the local risk is asymptotically negligible relative to the global risk when $n\log^2(n/d)\gg d^3$. This separation holds for projective 2-designs, including global Clifford measurements in qubit dimensions, and for their uniformly well-conditioned frame approximations. Finite-sample experiments in dimension four illustrate the critical-radius benchmark and the effect of a nonexact frame.
• Abstract（参考訳）: 固定階数 1 の POVM の独立な結果からフォン・ノイマンエントロピーを推定するための下界を確立する。 回転平均のファン・ツリーの議論は、少なくとも$(d/n)\log^2\{n/(4d)\} が射影設計の仮定なしに$d\ge C$ と $n\ge Cd$ のときの大域的ミニマックスリスクを与える。 また,最大混合状態付近の半径$r$の作用素-ノルム球のリスクも特徴付ける。 距離ゼロのエルミート部分空間では、測定フレームは強射影フレームと$\varepsilon<1$で異なるかもしれない。 正準二重影に基づくクリッピング推定器と純度に関する完全なU統計は、最大$d^3r^2/n+d^4/n^2+d^6r^6$のリスクを有する。 同じフレーム制御下の下限は、$n\ge Cd^2$と$r$が明示的なマッチング範囲にあるとき、局所ミニマックスレート$d^3r^2/n+d^4/n^2$となる。 for every fixed upper bound on $\varepsilon$, approximation change only the constants, not the power of $d,n,r$。 臨界半径$r=n^{-1/2}$では、局所的リスクは、n\log^2(n/d)\gg d^3$のときの世界的リスクに対して漸近的に無視される。 この分離は、立方体次元における大域クリフォード測度を含む射影的2次元設計と、一様に調和したフレーム近似に対して成り立つ。 次元4における有限サンプル実験は、臨界半径ベンチマークと非コンパクトフレームの効果を描いている。

関連論文リスト

• The Sample Complexity of Fidelity Estimation to a Known Rank-$r$ Reference State Is $\widetildeΘ(r^2/\varepsilon^2)$ [0.0]
  量子スペクトル推定の精度を一定に抑えるために、ほぼ四分法以下の$widetilde(r2)$を証明した。 また、量子スペクトル推定を一定精度で行うために、ほぼ四分法以下の$widetilde(r2)$を証明した。
  論文  参考訳（メタデータ） (2026-08-03T06:43:01Z)
• Simple-regret rates and minimax optimality of fixed-prior expected improvement in Matérn and squared-exponential RKHSs [0.0]
  非空コンパクト集合 $mathcal X の部分集合 Rd$ 上で、決定論的目的関数 $f$ を最小化するための期待された改善 (EI) ポリシーについて検討する。
  論文  参考訳（メタデータ） (2026-07-31T10:18:54Z)
• Estimation of the sub-Gaussian parameter [7.4076878426925035]
  準ガウス確率変数 $X$ は 2_* = s_upin mathbbR L()$ ここで $L() = frac22 log mathbbE eX$ は重み付き累積生成関数である。 ガウス以下の確率変数が多用されているにもかかわらず、$2_*$の推定はほとんど注目されず、まだよく理解されていない。
  論文  参考訳（メタデータ） (2026-06-04T16:48:31Z)
• Dimension-free Private Mean Estimation for Anisotropic Distributions [55.86374912608193]
  以前の$mathRd上の分布に関する民間推定者は、次元性の呪いに苦しむ。 本稿では,サンプルの複雑さが次元依存性を改善したアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-11-01T17:59:53Z)
• A Unified Framework for Uniform Signal Recovery in Nonlinear Generative Compressed Sensing [68.80803866919123]
  非線形測定では、ほとんどの先行結果は一様ではない、すなわち、すべての$mathbfx*$に対してではなく、固定された$mathbfx*$に対して高い確率で保持される。 本フレームワークはGCSに1ビット/一様量子化観測と単一インデックスモデルを標準例として適用する。 また、指標集合が計量エントロピーが低い製品プロセスに対して、より厳密な境界を生み出す濃度不等式も開発する。
  論文  参考訳（メタデータ） (2023-09-25T17:54:19Z)
• Near Sample-Optimal Reduction-based Policy Learning for Average Reward MDP [58.13930707612128]
  この研究は、平均報酬マルコフ決定過程(AMDP)における$varepsilon$-Optimal Policyを得る際のサンプルの複雑さを考察する。 我々は、状態-作用対当たりの$widetilde O(H varepsilon-3 ln frac1delta)$サンプルを証明し、$H := sp(h*)$は任意の最適ポリシーのバイアスのスパンであり、$varepsilon$は精度、$delta$は失敗確率である。
  論文  参考訳（メタデータ） (2022-12-01T15:57:58Z)
• Estimating the minimizer and the minimum value of a regression function under passive design [72.85024381807466]
  最小値 $boldsymbolx*$ と最小値 $f*$ を滑らかで凸な回帰関数 $f$ で推定する新しい手法を提案する。 2次リスクと$boldsymbolz_n$の最適化誤差、および$f*$を推定するリスクについて、漸近的でない上界を導出する。
  論文  参考訳（メタデータ） (2022-11-29T18:38:40Z)
• Overparametrized linear dimensionality reductions: From projection pursuit to two-layer neural networks [8.74634652691576]
  我々は$mathbbRd$の$nデータポイントのクラウドを考え、$mathbbRd$の$m$次元部分空間上のすべての射影を考える。 この確率分布の集まりは、$n,d$が大きくなるとどのように見えるか? Kullback-Leibler の発散と R'enyi の情報次元の点で鋭い境界を証明している。
  論文  参考訳（メタデータ） (2022-06-14T00:07:33Z)
• AI without networks [0.0]
  我々は、生成モデリングを取り入れたAIのためのネットワークフリーフレームワークを開発する。 我々は、この枠組みを、民族学、制御理論、数学の3つの異なる分野の例で示す。 また、生成AIによる倫理的法的課題に対処するために、この枠組みに基づいて容易に計算された信用割当手法を提案する。
  論文  参考訳（メタデータ） (2021-06-07T05:50:02Z)
• Agnostic Learning of a Single Neuron with Gradient Descent [92.7662890047311]
  期待される正方形損失から、最も適合した単一ニューロンを学習することの問題点を考察する。 ReLUアクティベーションでは、我々の人口リスク保証は$O(mathsfOPT1/2)+epsilon$である。 ReLUアクティベーションでは、我々の人口リスク保証は$O(mathsfOPT1/2)+epsilon$である。
  論文  参考訳（メタデータ） (2020-05-29T07:20:35Z)
• Curse of Dimensionality on Randomized Smoothing for Certifiable Robustness [151.67113334248464]
  我々は、他の攻撃モデルに対してスムースな手法を拡張することは困難であることを示す。 我々はCIFARに関する実験結果を示し,その理論を検証した。
  論文  参考訳（メタデータ） (2020-02-08T22:02:14Z)

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。