Kernel Embedding for Operator-Valued Measures and Its Application to Quantum Tomography
Ce papier introduit le cadre d'incrustation de covariance quantique pour reformuler la tomographie d'état quantique comme une régression à noyau tensorisé, démontrant que les designs unitaires sont statistiquement optimaux et permettant une estimation efficace et indépendante de la base via l'estimateur QUARK avec des bornes d'optimalité établies et des garanties de convergence.