論文の概要: Squeezing-type lower bounds on generalized metrological sensitivity

• arxiv url: http://arxiv.org/abs/2610.26319v1
• Date: Mon, 19 Oct 2026 12:59:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 18:24:25.348137
• Title: Squeezing-type lower bounds on generalized metrological sensitivity
• Title（参考訳）: 一般化メロジカル感度のスキーズ型下界
• Abstract要約: 特定の不偏性制約の下での分散境界の階層に対するスケズ型下界を導入する。 提案手法は, 標準スクイーズ係数を直接, 対応する一般化メロジカル感性に拡張する。 これらの境界を最大化するオブザーバブルは、アクセス可能なオブザーバブルの族の中で分析的に識別できることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce squeezing-type lower bounds for a hierarchy of variance bounds under specific unbiasedness constraints, which generalizes the quantum Cramér-Rao bound. Our construction directly extends standard squeezing coefficients to the corresponding generalized metrological sensitivities while retaining their experimentally accessible structure. We show how observables maximizing these bounds can be identified analytically within families of accessible observables. If arbitrary observables are accessible, the optimized squeezing-type bound recovers the exact generalized metrological sensitivity. These bounds provide efficient and experimentally viable characterizations of generalized metrological sensitivities that are especially relevant in finite-shot scenarios and in the transition from local to global parameter estimation.
• Abstract（参考訳）: 我々は、特定の非バイアス性制約の下での分散境界の階層に対するスケズ型下界を導入し、量子クラメル・ラオ境界を一般化する。 提案手法は, 実験的に利用可能な構造を維持しつつ, 標準スキーズ係数を直接, 対応する一般化された気象感度に拡張する。 これらの境界を最大化するオブザーバブルは、アクセス可能なオブザーバブルの族の中で分析的に識別できることを示す。 任意の可観測物がアクセス可能であれば、最適化されたスキーズ型バウンドは、正確な一般化された気象感度を回復する。 これらの境界は、有限ショットシナリオや局所的なパラメータ推定から大域的なパラメータ推定への移行において特に関係する一般化された経験的感度の効率的かつ実験的に評価できる。

関連論文リスト

• Characterizing Heterogeneous Rates in Finite Mixture Estimation via Partial Optimal Transport [88.55403215843967]
  改良された局所および大域収束保証を得るためのボロノイ系部分最適輸送(VPOT)は、混合測定の最大極大推定器である。 結果は、混合比例が真の混合成分の数についてのゼロまたは以前の知識から一様に制限されることなく、任意の固定次元で保持される。
  論文  参考訳（メタデータ） (2026-09-15T04:32:53Z)
• Causal EpiNets: Precision-corrected Bounds on Individual Treatment Effects using Epistemic Neural Networks [3.52150916506216]
  有限サンプルでは、標準プラグイン推定器は体系的に失敗する。 両病態を解析する有限サンプルPNS推定のためのニューラルネットワークフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-08T00:17:15Z)
• Understanding Generalization from Embedding Dimension and Distributional Convergence [13.491874401333021]
  表現中心の観点から一般化を研究し、学習した埋め込みの幾何学が固定訓練モデルの予測性能をどのように制御するかを分析する。 人口リスクは, (i) 埋込み分布の内在的次元, (i) 埋込み分布のワッサーシュタイン距離における人口分布への収束率, (ii) 埋込みから予測への下流マッピングの感度, (ii) リプシッツ定数によって特徴づけられる。
  論文  参考訳（メタデータ） (2026-01-30T09:32:04Z)
• Instance-Dependent Generalization Bounds via Optimal Transport [51.71650746285469]
  既存の一般化境界は、現代のニューラルネットワークの一般化を促進する重要な要因を説明することができない。 データ空間における学習予測関数の局所リプシッツ正則性に依存するインスタンス依存の一般化境界を導出する。 ニューラルネットワークに対する一般化境界を実験的に解析し、有界値が有意義であることを示し、トレーニング中の一般的な正規化方法の効果を捉える。
  論文  参考訳（メタデータ） (2022-11-02T16:39:42Z)
• Predicting Out-of-Domain Generalization with Neighborhood Invariance [59.05399533508682]
  局所変換近傍における分類器の出力不変性の尺度を提案する。 私たちの測度は計算が簡単で、テストポイントの真のラベルに依存しません。 画像分類,感情分析,自然言語推論のベンチマーク実験において,我々の測定値と実際のOOD一般化との間に強い相関関係を示す。
  論文  参考訳（メタデータ） (2022-07-05T14:55:16Z)
• Quantum Geometric Confinement and Dynamical Transmission in Grushin Cylinder [68.8204255655161]
  無限円筒上で最小に定義されたラプラス・ベルトラミ作用素の自己随伴実現を分類する。 我々は、最近文献で確認された、最も精細で最も透過性の高い拡張を検索する。
  論文  参考訳（メタデータ） (2020-03-16T11:37:23Z)

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。