arXiv stat.ML· Yen-Huan Li, Wei-Fu Tseng·· 18 天前AI 评分26
对数损失下量子态在线学习的后悔下界及其在量子态层析与矩阵均值置信序列中的应用
Regret Lower Bound for Online Learning of Quantum States with Logarithmic Loss, with Applications to Quantum State Tomography and Confidence Sequences for Matrix Means
AI 导读
研究者确立了对数损失下量子态在线学习的后悔下界，证明了指数权重法与 Tseng 等人（2025）算法在维度上具备最优的多项式依赖关系。基于该下界分析，团队提出了一种在样本量上达到对数多项式因子近乎样本最优的量子态层析算法。此外，研究还开发了一种用于构建矩阵值随机变量均值置信序列的算法，并在数值实验中展现出与现有方法相当的竞争力。
来源：arXiv stat.ML · arxiv.org