California Institute of Technology（加州理工学院）

Precise Performance of Linear Denoisers in the Proportional Regime

比例 regime 中线性去噪器的精确性能

Reza Ghane, Danil Akhtiamov, Babak Hassibi

机构 * California Institute of Technology（加州理工学院） 纠错

AI总结 本文研究了在比例 regime 中，通过训练线性去噪器来改进去噪性能，利用 CGMT 定理分析了去噪器的泛化误差，并通过数值模拟验证了其优于传统经验维纳滤波器的性能。

Towards sample-optimal learning of bosonic Gaussian quantum states

向样本最优学习玻色高斯量子态迈进

Senrui Chen, Francesco Anna Mele, Marco Fanizza, Alfred Li, Zachary Mann, Hsin-Yuan Huang, Yanbei Chen, John Preskill

机构 * Institute for Quantum Information and Matter（量子信息研究所） ； Caltech（加州理工学院） ； Scuola Normale Superiore（高等师范大学） ； Inria（法国国家科学与技术研究院） ； Télécom Paris – LTCI（巴黎电信学院 – LTCI） ； Institut Polytechnique de Paris（巴黎理工学院） 纠错

AI总结 研究如何用最少样本学习未知的玻色高斯态，证明了不同测量方式下的样本复杂度下界和上界，揭示了非高斯测量在被动态学习中的必要性。

Comments 59 pages, 3 figures, 1 table. Comments welcome