論文の概要: Uncertainty Quantification for Quantum Fidelity Estimation

• arxiv url: http://arxiv.org/abs/2610.10885v1
• Date: Wed, 07 Oct 2026 20:35:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.668425
• Title: Uncertainty Quantification for Quantum Fidelity Estimation
• Title（参考訳）: 量子忠実度推定のための不確実性定量化
• Abstract要約: 量子状態の忠実度推定のための分布のない厳密な予測区間を提供するために、ハイブリッドな「ベイジアンインフォームド」共形予測ベースのフレームワークを導入する。 本研究では,有限サンプル雑音,トモグラフィ不完全性,物理モデル誤差,分布外データなど,様々な実験課題において方法論の堅牢性を評価する。
• 参考スコア（独自算出の注目度）: 2.721477719641864
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum fidelity estimation is a fundamental task in quantum information and computing to benchmark the quality of quantum states, and hence of quantum processes, on noisy quantum hardware. Point estimates of fidelity by existing methods generally lack the rigorous uncertainty quantification required for reliable preparation and verification of these tasks. While Bayesian and bootstrap frameworks are widely used for uncertainty quantification, they are sensitive to model misspecification or lack formal coverage guarantees in non-asymptotic regimes. This paper introduces a hybrid "Bayesian-informed" conformal prediction-based framework to provide distribution-free, rigorous prediction intervals for quantum state fidelity estimation which can be used, with care, to approximate confidence intervals with respect to the quantum randomness of Born's rule. The framework requires a point estimator, and we consider both classical point estimators as well as data-driven neural net estimators. We evaluate the robustness of the methodology across a diverse range of experimental challenges, including finite-sample noise, tomographic incompleteness, physical model error, and out-of-distribution data. Our results demonstrate that conformalized estimators maintain statistical validity where traditional methods fail, offering a scalable and reliable approach for the verification of modern quantum systems. The best performing variant of our methodology is based on a class-conditional conformal prediction, as this most closely approximates the conditional coverage desired for a true confidence interval.
• Abstract（参考訳）: 量子忠実度推定(quantum fidelity Estimation)は、量子状態の質、すなわちノイズの多い量子ハードウェア上での量子プロセスの質をベンチマークするための、量子情報および計算の基本的なタスクである。 既存の手法による不確実性のポイント推定は、一般にこれらのタスクの信頼性と検証に必要な厳密な不確実性の定量化を欠いている。 ベイジアンとブートストラップのフレームワークは不確実性の定量化に広く用いられているが、非漸近的な体制において、誤特定のモデル化や公式なカバレッジ保証の欠如に敏感である。 本稿では,Bornの法則の量子ランダム性に関する信頼区間を近似するために,量子状態忠実度推定のための分布自由で厳密な予測区間を提供する,ハイブリッドな"ベイジアンインフォームド"共形予測ベースフレームワークを提案する。 このフレームワークには点推定器が必要であり、古典的点推定器とデータ駆動型ニューラルネットワーク推定器の両方を考慮する。 本研究では,有限サンプル雑音,トモグラフィ不完全性,物理モデル誤差,分布外データなど,様々な実験課題において方法論の堅牢性を評価する。 この結果から, 共形推定器は従来の手法が失敗した場合の統計的妥当性を保ち, 現代の量子システムの検証にスケーラブルで信頼性の高いアプローチを提供することを示した。 この手法の最も優れた性能は、真の信頼区間に求められる条件付きカバレッジを最もよく近似するため、クラス条件の共形予測に基づいている。

関連論文リスト

• Quantum Fidelity Estimation in the Resource Theory of Nonstabilizerness [11.386506926570442]
  ノイズの多い量子デバイス上での 量子状態とプロセスのベンチマークには 忠実度推定が不可欠です 我々は,非安定化器性に関する資源理論において,量子状態とチャネルの両方の効率的なプロトコルを提案する。
  論文  参考訳（メタデータ） (2025-06-15T18:51:09Z)
• Criteria for unbiased estimation: applications to noise-agnostic sensing and learnability of quantum channel [1.7635061227370266]
  まず、複数のパラメータが量子状態に符号化される量子状態推定について検討する。 偏りのない推定に必要かつ十分な2つの条件を導出する。 そこでは、未知の量子チャネルを特徴付けるパラメータを推定することを目的とする。
  論文  参考訳（メタデータ） (2025-03-21T17:59:48Z)
• Bayesian Quantum Amplitude Estimation [46.03321798937855]
  量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。 耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。 本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
  論文  参考訳（メタデータ） (2024-12-05T18:09:41Z)
• Score Matching-based Pseudolikelihood Estimation of Neural Marked Spatio-Temporal Point Process with Uncertainty Quantification [59.81904428056924]
  我々は、不確実な定量化を伴うmarkPsを学習するためのスコアMAtching推定器であるSMASHを紹介する。 具体的には,スコアマッチングによるマークPsの擬似的類似度を推定することにより,正規化自由度を推定する。 提案手法の優れた性能は、事象予測と不確実性定量化の両方において広範な実験によって実証される。
  論文  参考訳（メタデータ） (2023-10-25T02:37:51Z)
• Quantum Conformal Prediction for Reliable Uncertainty Quantification in Quantum Machine Learning [47.991114317813555]
  量子モデルは暗黙の確率予測器を実装し、測定ショットを通じて各入力に対して複数のランダムな決定を生成する。 本稿では、そのようなランダム性を利用して、モデルの不確実性を確実に捉えることができる分類と回帰の両方の予測セットを定義することを提案する。
  論文  参考訳（メタデータ） (2023-04-06T22:05:21Z)
• Quantum-enhanced mean value estimation via adaptive measurement [0.39102514525861415]
  可観測物の平均値推定は量子コンピューティングアルゴリズムにおいて必須のサブルーチンである。 量子推定理論は、そのような推定器の最終的な精度を特定し、量子クラムエル・ラオ(QCR)下界、または等価に量子フィッシャー情報の逆数と呼ばれる。 多数の量子ビットの極限でQCRを飽和させる非偏極雑音環境における量子化平均値推定法を提案する。
  論文  参考訳（メタデータ） (2022-10-27T17:13:07Z)
• Dense Uncertainty Estimation [62.23555922631451]
  本稿では,ニューラルネットワークと不確実性推定手法について検討し,正確な決定論的予測と確実性推定の両方を実現する。 本研究では,アンサンブルに基づく手法と生成モデルに基づく手法の2つの不確実性推定法について検討し,それらの長所と短所を,完全/半端/弱度に制御されたフレームワークを用いて説明する。
  論文  参考訳（メタデータ） (2021-10-13T01:23:48Z)
• Quantifying Uncertainty in Deep Spatiotemporal Forecasting [67.77102283276409]
  本稿では,正規格子法とグラフ法という2種類の予測問題について述べる。 我々はベイジアンおよび頻繁な視点からUQ法を解析し、統計的決定理論を通じて統一的な枠組みを提示する。 実際の道路ネットワークのトラフィック、疫病、空気質予測タスクに関する広範な実験を通じて、異なるUQ手法の統計計算トレードオフを明らかにする。
  論文  参考訳（メタデータ） (2021-05-25T14:35:46Z)

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。