論文の概要: Minimal Projective Measurement Settings for Estimating Multiple Observables

• arxiv url: http://arxiv.org/abs/2610.36525v1
• Date: Tue, 27 Oct 2026 02:28:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-29 04:15:49.222965
• Title: Minimal Projective Measurement Settings for Estimating Multiple Observables
• Title（参考訳）: 複数の観測可能量の推定のための最小射影測定設定
• Abstract要約: 任意の入力状態に対するバイアスを伴わずに複数の観測対象を推定するために必要な射影測定設定の最小値について検討する。 古典的変分アルゴリズムは、共有された測定基準を探索し、その読み出し係数とサンプル割り当てを最適化する。 数値的な例では、共有測定により比較プロトコルと比較して精度が向上することを示している。
• 参考スコア（独自算出の注目度）: 0.9908068871481391
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study the minimum number of orthogonal projective measurement settings needed to estimate multiple observables without bias for arbitrary input states. We derive structural bounds that go beyond dimension counting and combine them with explicit constructions to certify minimum setting counts for selected target spaces. A classical variational algorithm searches for shared measurement bases and optimizes their readout coefficients and sample allocation. For the collective first and second moments of two qubits, we certify that four projective settings are necessary and sufficient. For this task, a numerically optimized four-setting design achieves a Haar-averaged variance within approximately $0.0341\%$ of a lower bound valid for any number of projective settings in our fixed-allocation, unbiased linear estimation model. Numerical examples show that shared measurements can improve precision relative to the comparison protocols. For finite-depth circuits, we account for reconstruction bias and identify finite-sample regimes in which this advantage persists.
• Abstract（参考訳）: 任意の入力状態に対するバイアスを伴わずに複数の観測対象を推定するために必要な直交射影測定設定の最小数について検討する。 我々は、次元数を超えた構造的境界を導出し、それらを明示的な構成と組み合わせて、選択された対象空間に対する最小設定数を証明する。 古典的変分アルゴリズムは、共有された測定基準を探索し、その読み出し係数とサンプル割り当てを最適化する。 2つの量子ビットの集合第1と第2のモーメントに対して、4つの射影的設定が十分必要であることを示す。 この課題に対して、数値的に最適化された4つの設定設計は、固定配置の偏りのない線形推定モデルにおいて、任意の射影的設定に対して有効な下界の約0.0341\%のハール平均分散を達成する。 数値的な例では、共有測定により比較プロトコルと比較して精度が向上することを示している。 有限深度回路では、再構成バイアスを考慮し、この利点が持続する有限サンプル状態を特定する。

関連論文リスト

• Task-Directed Spectral Design for Local Quantum Tomography [0.8164433158925593]
  プロジェクティブ・フィデリティ・アクセス下での局所純状態トモグラフィーについて検討する。 6ビットの数値実験では、シュミットスペクトルの設計は1つか2つの設定のみを活性化する。 フルステートトモグラフィーでは、テストされた局所状態全体で平均不忠実度が低い。
  論文  参考訳（メタデータ） (2026-10-24T15:11:15Z)
• Bayesian approach to simultaneous quantum multiparameter estimation with finite data [0.0]
  この研究はペルソニックの手法に基づいており、推定問題をリャプノフ方程式の集合に還元する。 我々は,変分パラメータの集合によってパラメータ化された解の凸結合を構成する。 得られた射影測定により、最小平均二乗誤差推定器と対応するベイズ平均二乗誤差が得られる確率関数が決定される。
  論文  参考訳（メタデータ） (2026-08-10T21:07:13Z)
• Optimal Calibration of Qubit Detuning and Crosstalk [0.0]
  クロストークは個々のキュービットのデチューンの推定を複雑にする。 我々はフィッシャー情報とクレーマー・ラオ境界を用いたデチューニングとクロストークのパラメータ推定のための最適戦略を導出する。 提案手法により, パラメータ抽出の精度が著しく向上し, キャリブレーション時間を最大50%削減できる。
  論文  参考訳（メタデータ） (2025-07-14T18:00:02Z)
• ParetoQ: Improving Scaling Laws in Extremely Low-bit LLM Quantization [73.60493264901359]
  本稿では,1ビット,1.58ビット,2ビット,3ビット,4ビットの量子化設定に対して厳密な比較を行う統一フレームワークを提案する。 3次、2ビット、3ビット量子化は、サイズと精度のトレードオフにおいて同等のパフォーマンスを維持していることを示す。 ハードウェアの制約を考慮すると、2ビット量子化はメモリの削減とスピードアップに有望な可能性を秘めている。
  論文  参考訳（メタデータ） (2025-02-04T18:59:26Z)
• Project and Probe: Sample-Efficient Domain Adaptation by Interpolating Orthogonal Features [119.22672589020394]
  多様な特徴の集合を学習し,これらの特徴を補間することによって対象分布に適応する,軽量でサンプル効率のよい手法を提案する。 複数の分散シフト設定を持つ4つのデータセットに対する実験により、Pro$2$は、限られたターゲットデータが与えられた場合、パフォーマンスを5～15%向上することが示された。
  論文  参考訳（メタデータ） (2023-02-10T18:58:03Z)
• Multiparameter estimation for qubit states with collective measurements: a case study [0.0]
  両パラメータの同時最適推定は, 簡易な集団計測戦略により達成可能であることを示す。 状態がほぼ純粋である場合、十分に大きな$N$でない場合、ほとんどの情報は最大3$j$-subspaceで取得される。 また、ベルマルチポート構成を用いて、$j=N/2$と$j=N/2-1部分空間への射影を区別できることを示す数値的な結果を得る。
  論文  参考訳（メタデータ） (2021-09-15T17:02:33Z)
• Bayesian Bits: Unifying Quantization and Pruning [73.27732135853243]
  我々は、勾配に基づく最適化による混合精度量子化とプルーニングの実用的な方法であるBayesian Bitsを紹介する。 提案手法をいくつかのベンチマーク・データセット上で実験的に検証し,プレナード付き混合精度ネットワークを学習可能であることを示す。
  論文  参考訳（メタデータ） (2020-05-14T16:00:34Z)
• SUMO: Unbiased Estimation of Log Marginal Probability for Latent Variable Models [80.22609163316459]
  無限級数のランダム化トランケーションに基づく潜在変数モデルに対して、ログ境界確率の非バイアス推定器とその勾配を導入する。 推定器を用いてトレーニングしたモデルは、同じ平均計算コストに対して、標準的な重要度サンプリングに基づくアプローチよりも優れたテストセット確率を与えることを示す。
  論文  参考訳（メタデータ） (2020-04-01T11:49:30Z)

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。