論文の概要: Steering the Fidelity in State Preparation on Noisy Bosonic Systems with Risk-Seeking Optimization

• arxiv url: http://arxiv.org/abs/2610.18495v1
• Date: Tue, 13 Oct 2026 14:52:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 21:03:32.957084
• Title: Steering the Fidelity in State Preparation on Noisy Bosonic Systems with Risk-Seeking Optimization
• Title（参考訳）: リスク探索最適化によるノイズボソニック系の状態準備における忠実度制御
• Abstract要約: 高忠実度状態を得る確率と到達した最低しきい値との間のトレードオフを制御可能であることを示す。 このトレードオフは、準備されたアンサンブルの平均忠実度を最大化するのではなく、ある確率で高忠実度状態を得るという目標に関係している。
• 参考スコア（独自算出の注目度）: 5.296470528744146
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In order to execute quantum algorithms on bosonic quantum computers, it is necessary to encode their inputs into a desired target quantum state, with a process called state preparation. In real settings, state preparation methods operate in stochastic scenarios, where the prepared state is represented as a mixed state, that is a probabilistic ensemble of pure states. Therefore, existing state preparation methods optimize a variational ansatz by averaging over all possible sequences of photon loss events contained in the prepared ensemble, yielding an output state which approximates the desired target with a certain average fidelity. Such an approach, however, does not take into account directly the distribution of fidelities across states in the ensemble. In this work, we aim to maximize the fidelity of only a subset of pure states sampled from the prepared ensemble, at the cost of reducing the average fidelity overall. This trade-off is relevant when the goal is to obtain high-fidelity states with a certain probability, rather than maximizing the average fidelity of the prepared ensemble. We borrow and adapt objective functions from risk-sensitive optimization, a framework that optimizes specific characteristics of a distribution rather than only its expectation, and that has been successfully applied in Reinforcement Learning. In the considered experimental settings, our results show that the infidelities of some pure states in the prepared ensemble can be reduced by up to four orders of magnitude when using risk-seeking objectives, compared to those achieved using the standard optimization of the average fidelity. Furthermore, we show that it is possible to control the trade-off between the probability of obtaining high-fidelity states and the lowest infidelity threshold reached, providing the flexibility to select the operating point that best suits a certain application.
• Abstract（参考訳）: ボゾン量子コンピュータ上で量子アルゴリズムを実行するためには、状態準備と呼ばれるプロセスを用いて、入力を所望のターゲット量子状態にエンコードする必要がある。 実際の設定では、状態準備法は確率的なシナリオで動作し、準備された状態は混合状態として表され、これは純粋な状態の確率的アンサンブルである。 したがって、既存の状態調整方法は、準備されたアンサンブルに含まれる光子損失事象の全ての系列を平均化し、所望の目標を一定の平均忠実度で近似する出力状態を生成することにより、変分アンザッツを最適化する。 しかし、このようなアプローチは、アンサンブルの州間でのフィデリティの分配を直接考慮しない。 本研究は, 合成アンサンブルから採取した純状態のサブセットのみの忠実度を最大化し, 全体としての平均忠実度を下げることを目的としている。 このトレードオフは、準備されたアンサンブルの平均忠実度を最大化するのではなく、ある確率で高忠実度状態を得るという目標に関係している。 リスクに敏感な最適化は,期待だけでなく,分布の特徴を最適化するフレームワークであり,強化学習に成功している。 本研究の結果は, リスク探索目的を用いた場合, 平均忠実度を標準最適化した場合と比較して, 準備済みアンサンブルにおける純状態の不確かさを最大4桁まで低減できることを示した。 さらに、高忠実度状態を得る確率と最低不忠実度閾値との間のトレードオフを制御できることを示し、特定のアプリケーションに最も適した操作点を選択する柔軟性を提供する。

関連論文リスト

• Optimizing resource bounds in direct fidelity estimation [0.0]
  直接忠実度推定は、実験的に準備された状態と所望の純粋ターゲット状態の間の忠実度を推定する方法を提供する。 2011年にFlamiaとLiuとda Silva、Landon-Cardinal、Poulinによって2つの重要な定式化が導入された。 ノイズに関する付加的な構造情報は、対応するリソース境界を大幅に鋭くすることができることを示す。
  論文  参考訳（メタデータ） (2026-06-15T07:43:05Z)
• Conformal Reliability: A New Evaluation Metric for Conditional Generation [62.761166941396844]
  条件付き生成モデルは、近年、様々な応用において顕著な成功を収めている。 本稿では,信頼度を事前に設定した予測値に基づいて,信頼度という新たな評価指標を提案する。 本稿では, 予測セットの構築と, (ii) 構築した予測セット内の信頼性スコアを正確に最適化するフレームワークであるConformal Reliability(CReL)を紹介する。
  論文  参考訳（メタデータ） (2026-05-29T03:52:44Z)
• Efficient Fidelity Estimation with Few Local Pauli Measurements [3.428706362109922]
  本研究では,実験状態がターゲットとどの程度近いかを定量化するプロトコルを開発する。 この推定器のバイアスを分析し、その性能を目標状態によって誘導されるマルコフ連鎖の混合時間$tau$にリンクする。 この作業により、スケーラブルなベンチマーク、エラーキャラクタリゼーション、トモグラフィ支援が可能になる。
  論文  参考訳（メタデータ） (2025-10-09T12:35:58Z)
• COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
  COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。 COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。 リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
  論文  参考訳（メタデータ） (2025-06-25T07:04:49Z)
• Rectifying Conformity Scores for Better Conditional Coverage [75.73184036344908]
  本稿では,分割共形予測フレームワーク内で信頼セットを生成する新しい手法を提案する。 本手法は,任意の適合度スコアのトレーニング可能な変換を行い,条件付き範囲を正確に確保しつつ,条件付き範囲を改善する。
  論文  参考訳（メタデータ） (2025-02-22T19:54:14Z)
• Optimal Fidelity Estimation from Binary Measurements for Discrete and Continuous Variable Systems [6.253919624802852]
  連続変数(CV)システムでは、変位パリティ測定によって測定できるウィグナー関数を利用する。 Fock や Gaussian のような特定の興味のある対象状態に対して、このサンプルの複雑さはウィグナー函数の$L1$-ノルムによって特徴づけられる。 汎用ブラックボックスモデルでは,任意の対象状態に対して,対象状態の滑らかな$L1$-normにより,忠実度推定のための最適なサンプル複雑性が特徴づけられる。
  論文  参考訳（メタデータ） (2024-09-06T11:07:55Z)
• Probabilistic Conformal Prediction with Approximate Conditional Validity [81.30551968980143]
  本研究では,共形手法の柔軟性と条件分布の推定を組み合わせ,予測セットを生成する手法を開発した。 我々の手法は、条件付きカバレッジの観点から既存の手法よりも一貫して優れています。
  論文  参考訳（メタデータ） (2024-07-01T20:44:48Z)

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。