論文の概要: Weak-value-amplification analysis beyond the AAV limit of weak measurements

• arxiv url: http://arxiv.org/abs/2004.01108v1
• Date: Thu, 2 Apr 2020 16:15:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-27 03:16:33.995718
• Title: Weak-value-amplification analysis beyond the AAV limit of weak measurements
• Title（参考訳）: 弱測定のAAV限界を超える弱値増幅解析
• Authors: Jianhua Ren, Lupei Qin, Wei Feng, and Xin-Qi Li
• Abstract要約: Aharonov, Albert and Vaidman (AAV) による弱値測定 本研究では,AAV限界を超えて解析を拡張し,いくつかの主要な結果を得る。
• 参考スコア（独自算出の注目度）: 4.512827387300675
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The weak-value (WV) measurement proposed by Aharonov, Albert and Vaidman (AAV) has attracted a great deal of interest in connection with quantum metrology. In this work, we extend the analysis beyond the AAV limit and obtain a few main results. (i) We obtain non-perturbative result for the signal-to-noise ratio (SNR). In contrast to the AAV's prediction, we find that the SNR asymptotically gets worse when the AAV's WV $A_w$ becomes large, i.e., in the case $g|A_w|^2>>1$, where $g$ is the measurement strength. (ii) With the increase of $g$ (but also small), we find that the SNR is comparable to the result under the AAV limit, while both can reach -- actually the former can slightly exceed -- the SNR of the standard measurement. However, along a further increase of $g$, the WV technique will become less efficient than the standard measurement, despite that the postselection probability is increased. (iii) We find that the Fisher information can characterize the estimate precision qualitatively well as the SNR, yet their difference will become more prominent with the increase of $g$. (iv) We carry out analytic expressions of the SNR in the presence of technical noises and illustrate the particular advantage of the imaginary WV measurement. The non-perturbative result of the SNR manifests a favorable range of the noise strength and allows an optimal determination.
• Abstract（参考訳）: Aharonov, Albert and Vaidman (AAV) が提唱した弱値測定(WV)は、量子気象学に関連して大きな関心を集めている。 本研究では,AAV限界を超えて解析を拡張し,いくつかの主要な結果を得る。 (i)信号対雑音比(SNR)の非摂動結果を得る。 AAVの予測とは対照的に、SNR は AAV の WV $A_w$ が大きくなると漸近的に悪化し、すなわち $g|A_w|^2>>1$ の場合、$g$ は測定強度である。 (ii)$g$の増加(ただし小さい)により、SNRはAAV制限下での結果に匹敵するが、どちらも標準測定値のSNRをわずかに上回ることができる。 しかし、さらなる$g$の増加に伴い、wv技術は選挙後の確率が増加するにもかかわらず、標準測定よりも効率が低下する。 (iii)フィッシャー情報はsnrと同様に推定精度を定性的に特徴付けることができるが,その差はg$の増加とともに顕著になる。 (4) 技術的ノイズの存在下でSNRの分析式を実行し, 虚視的WV測定の特長を示す。 SNRの非摂動効果は、雑音強度の好ましい範囲を示し、最適な判定を可能にする。

関連論文リスト

• Model-Based Epistemic Variance of Values for Risk-Aware Policy Optimization [59.758009422067]
  モデルベース強化学習における累積報酬に対する不確実性を定量化する問題を考察する。 我々は、解が値の真後分散に収束する新しい不確実性ベルマン方程式(UBE)を提案する。 本稿では,リスク・サーキングとリスク・アバース・ポリシー最適化のいずれにも適用可能な汎用ポリシー最適化アルゴリズムQ-Uncertainty Soft Actor-Critic (QU-SAC)を導入する。
  論文  参考訳（メタデータ） (2023-12-07T15:55:58Z)
• On the Noise Sensitivity of the Randomized SVD [8.98526174345299]
  ランダム化特異値分解(R-SVD)は、大きな行列の部分的なSVDを効率的に計算するためのスケッチベースアルゴリズムである。 我々はR-SVDを低ランク信号と雑音測定モデルで解析する。 R-SVDによって生成される特異値は、BBPのような相転移を示す。
  論文  参考訳（メタデータ） (2023-05-27T10:15:17Z)
• Tighter Variational Bounds are Not Necessarily Better. A Research Report on Implementation, Ablation Study, and Extensions [3.899824115379246]
  本報告では,「Tighter Variational Bounds is Not Necessarily Better」で提示された作品について解説し,実装し,拡張する。 重み付きオートエンコーダ(IWAE)における重要サンプル数$K$の増加は、推論ネットワークにおける勾配推定器の信号-雑音比(SNR)を低下させるという理論的および実証的な証拠を提供する。
  論文  参考訳（メタデータ） (2022-09-23T21:56:30Z)
• Auto-correlative weak-value amplification under strong noise background [7.985795658443465]
  時間ポインタを用いた弱い測定プロトコルの修正について検討する。 AWVAアプローチは2つの同時自己相関弱測定を実装している。 シミュレーションの結果,AWVA手法は時間領域における標準的なWVA手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-03-29T04:48:31Z)
• Doubly Robust Distributionally Robust Off-Policy Evaluation and Learning [59.02006924867438]
  オフ政治評価と学習(OPE/L)は、オフラインの観察データを使用してより良い意思決定を行う。 近年の研究では、分散ロバストなOPE/L (DROPE/L) が提案されているが、この提案は逆正則重み付けに依存している。 KL分散不確実性集合を用いたDROPE/Lの最初のDRアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-02-19T20:00:44Z)
• Almost Optimal Variance-Constrained Best Arm Identification [81.60136088841948]
  パラメータフリーなアルゴリズムであるVA-LUCBを用いて、固定信頼設定の下で最適なアームを識別する。 VA-LUCBは、リスクに制約された最高の腕識別問題に対して、最も低いサンプル複雑性を有する。
  論文  参考訳（メタデータ） (2022-01-25T07:36:00Z)
• On Well-posedness and Minimax Optimal Rates of Nonparametric Q-function Estimation in Off-policy Evaluation [1.575865518040625]
  連続状態と行動を伴う無限水平マルコフ決定過程における非政治評価問題について検討する。 我々は、$Q$関数推定を非パラメトリックインスツルメンタル変数(NPIV)推定問題の特別な形式に再キャストする。
  論文  参考訳（メタデータ） (2022-01-17T01:09:38Z)
• Deep Networks for Direction-of-Arrival Estimation in Low SNR [89.45026632977456]
  我々は,真の配列多様体行列の変異チャネルデータから学習した畳み込みニューラルネットワーク(CNN)を導入する。 我々は低SNR体制でCNNを訓練し、すべてのSNRでDoAを予測する。 私たちの堅牢なソリューションは、ワイヤレスアレイセンサーから音響マイクロフォンやソナーまで、いくつかの分野に適用できます。
  論文  参考訳（メタデータ） (2020-11-17T12:52:18Z)
• Optimal Variance Control of the Score Function Gradient Estimator for Importance Weighted Bounds [12.75471887147565]
  本稿では,重要重み付き変動境界(IWAE)のスコア関数勾配推定器の新しい結果を紹介する。 我々は、大きな$K$の極限において、推定子のSignal-to-Noise比(SNR)が$sqrtK$として大きくなるように制御変数を選択することができることを証明した。
  論文  参考訳（メタデータ） (2020-08-05T08:41:46Z)
• Sharp Statistical Guarantees for Adversarially Robust Gaussian Classification [54.22421582955454]
  逆向きに頑健な分類の過剰リスクに対する最適ミニマックス保証の最初の結果を提供する。 結果はAdvSNR(Adversarial Signal-to-Noise Ratio)の項で述べられており、これは標準的な線形分類と逆数設定との類似の考え方を一般化している。
  論文  参考訳（メタデータ） (2020-06-29T21:06:52Z)
• Momentum Improves Normalized SGD [51.27183254738711]
  モーメントを追加することで、目的に対する大きなバッチサイズの必要性を確実に排除できることを示す。 本稿では,ResNet-50 や BERT といった大規模タスクの事前学習において,提案手法が有効であることを示す。
  論文  参考訳（メタデータ） (2020-02-09T07:00:54Z)

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。