論文の概要: Accessible precisions for estimating two conjugate parameters using Gaussian probes

• arxiv url: http://arxiv.org/abs/2003.07095v2
• Date: Thu, 19 Mar 2020 13:15:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-29 00:35:13.559949
• Title: Accessible precisions for estimating two conjugate parameters using Gaussian probes
• Title（参考訳）: ガウスプローブを用いた2つの共役パラメータ推定のためのアクセシブル精度
• Authors: Syed M. Assad, Jiamin Li, Yuhong Liu, Ningbo Zhao, Wen Zhao, Ping Koy Lam, Z. Y. Ou, Xiaoying Li
• Abstract要約: 変位流路における一対の共役パラメータの同時推定のための精度限界を解析する。 解析により最適な測定方法が明らかになり、一つのパラメータに対して最適な精度を定量化できる。
• 参考スコア（独自算出の注目度）: 8.280321302866371
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We analyse the precision limits for simultaneous estimation of a pair of conjugate parameters in a displacement channel using Gaussian probes. Having a set of squeezed states as an initial resource, we compute the Holevo Cram\'er-Rao bound to investigate the best achievable estimation precisions if only passive linear operations are allowed to be performed on the resource prior to probing the channel. The analysis reveals the optimal measurement scheme and allows us to quantify the best precision for one parameter when the precision of the second conjugate parameter is fixed. To estimate the conjugate parameter pair with equal precision, our analysis shows that the optimal probe is obtained by combining two squeezed states with orthogonal squeezing quadratures on a 50:50 beam splitter. If different importance are attached to each parameter, then the optimal mixing ratio is no longer 50:50. Instead it follows a simple function of the available squeezing and the relative importance between the two parameters.
• Abstract（参考訳）: ガウスプローブを用いた変位チャネル内の共役パラメータの同時推定のための精度限界の解析を行った。 初期資源として一組のスクイズド状態を持ち、チャネルを探索する前にリソース上でパッシブリニア操作のみを許可した場合に、最高の達成可能な推定精度を調べるために、holevo cram\'er-rao を計算します。 解析により最適測定方式が明らかになり,第2共役パラメータの精度が固定されたときに,1つのパラメータの最適精度を定量化することができる。 共役パラメータ対を等しい精度で推定するために,50:50ビームスプリッタ上の2つのスクイーズ状態と直交スクイーズ二次値を組み合わせた最適プローブが得られた。 各パラメータに異なる重要性が付加される場合、最適混合比は50:50未満となる。 代わりに、利用可能なスクイーズと2つのパラメータ間の相対的重要性の単純な関数に従う。

関連論文リスト

• Scaling Exponents Across Parameterizations and Optimizers [94.54718325264218]
  本稿では,先行研究における重要な仮定を考察し,パラメータ化の新たな視点を提案する。 私たちの経験的調査には、3つの組み合わせでトレーニングされた数万のモデルが含まれています。 最高の学習率のスケーリング基準は、以前の作業の仮定から除外されることがよくあります。
  論文  参考訳（メタデータ） (2024-07-08T12:32:51Z)
• Finding the optimal probe state for multiparameter quantum metrology using conic programming [61.98670278625053]
  本稿では,対応する精度境界に対する最適プローブ状態を決定するための円錐型プログラミングフレームワークを提案する。 また、この理論を量子プローブ状態を用いた標準場センシング問題の解析にも応用する。
  論文  参考訳（メタデータ） (2024-01-11T12:47:29Z)
• Stochastic Marginal Likelihood Gradients using Neural Tangent Kernels [78.6096486885658]
  線形化されたラプラス近似に下界を導入する。 これらの境界は漸進的な最適化が可能であり、推定精度と計算複雑性とのトレードオフを可能にする。
  論文  参考訳（メタデータ） (2023-06-06T19:02:57Z)
• Tight Cram\'{e}r-Rao type bounds for multiparameter quantum metrology through conic programming [61.98670278625053]
  最適な精度で不整合パラメータを推定できる実用的な測定戦略が最重要である。 ここでは、最適精度で非相関な測定方法を見つけるための具体的な方法を示す。 従来の計算可能境界と最終的な精度境界との間には厳密なギャップがあることを数値的に示す。
  論文  参考訳（メタデータ） (2022-09-12T13:06:48Z)
• Gaussian Process Regression for Absorption Spectra Analysis of Molecular Dimers [68.8204255655161]
  本稿では、ガウス過程回帰(GPR)から数値計算のパラメータを選択する機械学習技術に基づくアプローチについて議論する。 このアプローチは最適パラメータ集合に素早く収束するだけでなく、完全なパラメータ空間に関する情報を提供する。 実際、GPRは量子化学法を用いてこれらのパラメータの直接計算と一致した信頼性の高い結果を与える。
  論文  参考訳（メタデータ） (2021-12-14T17:46:45Z)
• Quantum probes for the characterization of nonlinear media [50.591267188664666]
  本研究では, 非線形結合 $tildelambda$ および非線形性次数 $zeta$ の個人および共同推定をいかに改善するかを検討する。 量子プローブは非線形媒体のキャラクタリゼーションの精度を高めるための資源であり、現在の技術による潜在的な応用を予見する。
  論文  参考訳（メタデータ） (2021-09-16T15:40:36Z)
• Multiparameter estimation for qubit states with collective measurements: a case study [0.0]
  両パラメータの同時最適推定は, 簡易な集団計測戦略により達成可能であることを示す。 状態がほぼ純粋である場合、十分に大きな$N$でない場合、ほとんどの情報は最大3$j$-subspaceで取得される。 また、ベルマルチポート構成を用いて、$j=N/2$と$j=N/2-1部分空間への射影を区別できることを示す数値的な結果を得る。
  論文  参考訳（メタデータ） (2021-09-15T17:02:33Z)
• Machine Learning Based Parameter Estimation of Gaussian Quantum States [14.85374185122389]
  単一モードガウス量子状態のパラメータ推定のための機械学習フレームワークを提案する。 ベイジアン・フレームワークでは、測定データから適切な事前分布のパラメータを推定する。
  論文  参考訳（メタデータ） (2021-08-13T04:59:16Z)
• Heisenberg scaling precision in the estimation of functions of parameters [0.0]
  一般の$M$チャネル線形ネットワークで符号化された任意のパラメータの任意の数$l$の関数の推定において,ハイゼンベルクのスケーリング精度に達するメロジカル戦略を提案する。 2つの補助線形ネットワークが必要であり、その役割は2つある: 干渉計と相互作用した後、信号が単一チャネルに再焦点され、線形ネットワークの分析により推定されるパラメータの関数が固定される。
  論文  参考訳（メタデータ） (2021-03-15T17:28:15Z)
• Validity of Born-Markov master equations for single and two-qubit systems [0.0]
  一般的に用いられるレッドフィールドとリンドブラッドのマスター方程式を数値的に正確な結果と比較する。 本研究は,通常のボルン・マルコフ方程式の有効範囲に関する一般ガイドラインを設定した。
  論文  参考訳（メタデータ） (2020-11-10T11:19:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。