量子估计的贝叶斯对数导数型下界
量子物理
2024-08-26 v2
摘要
贝叶斯方法在量子参数估计中因实际应用而重新受到关注。最近提出了称为贝叶斯娜戈亚卡下界的下界，这是Conlon等人(2021)在量子态点估计中新方法的延伸。本文旨在进一步探讨该贝洛斯-娜戈亚卡下界，通过获得其下界。我们首先获得一族一参数的下界，这是点估计中霍尔诺瓦下界的类比。由此，我们推导了在参数独立权重矩阵设置下，贝叶斯对数导数型下界的一族闭式表达式。这种新下界包含了以前已知的贝叶斯下界作为特殊情况。
引用
@article{arxiv.2405.10525,
title = {Bayesian Logarithmic Derivative Type Lower Bounds for Quantum Estimation},
author = {Jianchao Zhang and Jun Suzuki},
journal= {arXiv preprint arXiv:2405.10525},
year = {2024}
}
备注
6 pages