arXiv · quant-ph· Yen-Huan Li, Wei-Fu Tseng·· 1 天前
对数损失下量子状态在线学习的遗憾下界及其应用
Regret Lower Bound for Online Learning of Quantum States with Logarithmic Loss, with Applications to Quantum State Tomography and Confidence Sequences for Matrix Means
arXiv:2610.21273v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yen-Huan Li, Wei-Fu Tseng
研究任务与主要进展
Yen-Huan Li和Wei-Fu Tseng研究了具有对数损失的量子状态在线学习，证明Exponential Weights与Tseng等人（2025）算法在维度依赖上的遗憾率达到多项式最优。基于论文摘要，该下界进一步导出一个在样本量上达到近最优（相差对数因子）的量子态层析算法，以及一个用于矩阵值随机变量均值的置信序列算法；数值实验显示后者与现有方法具有竞争力。
阶段、条件与复现 · 深读核对
- 任务输出与输入访问模型是什么？
- 在什么假设、规模与资源条件下成立？
- 与哪种经典基线比较，是否计入编码与读出？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · quant-ph · arxiv.org