Asymptotic equivalence of quantum state tomography and noisy matrix completion
量子态层析与含噪矩阵补全的渐近等价性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要涉及量子统计与矩阵恢复，未直接涉及给定的经济计量领域细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
量子态层析与含噪矩阵补全的渐近等价性
- 研究问题
- 量子态层析与矩阵补全中的迹回归都旨在恢复未知矩阵；两种统计实验何时渐近等价，稀疏性与低秩是否有助于等价？
- 方法与思路
- 作者在Le Cam统计实验比较框架下，以亏损距离研究渐近等价，提出新的迹回归模型，并考察不同矩阵结构与测量方式。
- 材料陈述的贡献
- 摘要称建立渐近等价结果，为方法迁移提供统计依据，同时指出稀疏与低秩未必有帮助，Pauli测量不利于所考察的等价性。
- 阅读关注点
- 应核对两种实验的参数空间、样本与维度增长条件、亏损距离界，以及Pauli测量负面结果的具体对象和范围。
- 阅读边界
- 依据版本未注明的OpenAlex摘要；等价条件和距离界未给出，不能断言所有矩阵补全方法均适用或Pauli测量普遍无效。
原文摘要
Matrix completion and quantum tomography are two unrelated research areas with great current interest in many modern scientific studies. This paper investigates the statistical relationship between trace regression in matrix completion and quantum state tomography in quantum physics and quantum information science. As quantum state tomography and trace regression share the common goal of recovering an unknown matrix, it is nature to put them in the Le Cam paradigm for statistical comparison. Regarding the two types of matrix inference problems as two statistical experiments, we establish their asymptotic equivalence in terms of deficiency distance. The equivalence study motivates us to introduce a new trace regression model. The asymptotic equivalence provides a sound statistical foundation for applying matrix completion methods to quantum state tomography. We investigate the asymptotic equivalence for sparse density matrices and low rank density matrices and demonstrate that sparsity and low rank are not necessarily helpful for achieving the asymptotic equivalence of quantum state tomography and trace regression. In particular, we show that popular Pauli measurements are bad for establishing the asymptotic equivalence for sparse density matrices and low rank density matrices.