論文の概要: Setting up experimental Bell test with reinforcement learning

• arxiv url: http://arxiv.org/abs/2005.01697v1
• Date: Mon, 4 May 2020 17:52:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-07 01:30:42.091218
• Title: Setting up experimental Bell test with reinforcement learning
• Title（参考訳）: 強化学習による実験ベルテストの設定
• Authors: Alexey A. Melnikov, Pavel Sekatski, Nicolas Sangouard
• Abstract要約: 光学実験の自動設計が可能な強化学習と模擬焼鈍を組み合わせた手法を提案する。 本稿では,ベル-CHSHの不等式に高い違反を許容する確率分布に適用することにより,本手法の妥当性について述べる。 本手法はデバイス非依存の量子情報処理におけるフォトニック実験の有用性に肯定的な影響を与える可能性がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Finding optical setups producing measurement results with a targeted probability distribution is hard as a priori the number of possible experimental implementations grows exponentially with the number of modes and the number of devices. To tackle this complexity, we introduce a method combining reinforcement learning and simulated annealing enabling the automated design of optical experiments producing results with the desired probability distributions. We illustrate the relevance of our method by applying it to a probability distribution favouring high violations of the Bell-CHSH inequality. As a result, we propose new unintuitive experiments leading to higher Bell-CHSH inequality violations than the best currently known setups. Our method might positively impact the usefulness of photonic experiments for device-independent quantum information processing.
• Abstract（参考訳）: 対象とする確率分布で測定結果を生成する光学装置の発見は、実験実施可能な実装の回数が、モード数やデバイス数とともに指数関数的に増加することを前提として難しい。 そこで本研究では,強化学習とシミュレートアニーリングを組み合わせることで,所望の確率分布で結果を生成する光学実験を自動的に設計する手法を提案する。 本稿では,ベル-CHSHの不等式に高い違反を許容する確率分布に適用することにより,本手法の妥当性について述べる。 そこで本研究では,現在知られているものよりもベル・チェシュの不等式違反を生じさせる新たな非直感的な実験を提案する。 本手法は,デバイスに依存しない量子情報処理におけるフォトニック実験の有用性に正の影響を与えうる。

関連論文リスト

• Efficient Biological Data Acquisition through Inference Set Design [3.9633147697178996]
  本研究は,システム全体としての所望の精度を実現するため,最小の候補群を選択することを目的とする。 本稿では,このメカニズムを推論セット設計と呼び,信頼性に基づくアクティブラーニングソリューションを用いて,挑戦的な事例を抽出する手法を提案する。
  論文  参考訳（メタデータ） (2024-10-25T15:34:03Z)
• Entanglement-enabled advantage for learning a bosonic random displacement channel [6.354564715928202]
  量子絡み合いは、ボソニック連続変数系の学習特性において指数関数的に有利であることを示す。 簡単な絡み合わせ支援スキームは、十分な量のスクイーズを条件に、$n$に依存しないサンプル数だけを必要とする。 本研究は, 連続変数システム学習における絡み合いの役割を照らし, 証明可能な絡み合いを生かした実験的な実証を目指している。
  論文  参考訳（メタデータ） (2024-02-29T02:30:39Z)
• Leveraging junk information to enhance the quantum error mitigation [8.049186254119121]
  我々はSQNF(Self-Trained Quantum Noise Filter)という量子誤差低減手法を導入する。 以上の結果から,提案手法は人口分布の不確実性を著しく低減できることが示された。
  論文  参考訳（メタデータ） (2024-02-16T07:01:18Z)
• Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
  本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。 我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。 シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
  論文  参考訳（メタデータ） (2024-01-29T02:08:40Z)
• Machine learning enabled experimental design and parameter estimation for ultrafast spin dynamics [54.172707311728885]
  機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。 本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。 数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2023-06-03T06:19:20Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• ProBoost: a Boosting Method for Probabilistic Classifiers [55.970609838687864]
  ProBoostは確率的分類器のための新しいブースティングアルゴリズムである。 各トレーニングサンプルの不確実性を使用して、最も困難で不確実なものを決定する。 これは、最も不確実性が高いと判明したサンプルに徐々に焦点をあてる配列を生成する。
  論文  参考訳（メタデータ） (2022-09-04T12:49:20Z)
• RegMixup: Mixup as a Regularizer Can Surprisingly Improve Accuracy and Out Distribution Robustness [94.69774317059122]
  学習目的として使うのではなく、標準のクロスエントロピー損失に対する追加の正則化剤として利用すれば、良好なミックスアップの有効性がさらに向上できることが示される。 この単純な変更は、精度を大幅に改善するだけでなく、Mixupの予測不確実性推定の品質を大幅に改善する。
  論文  参考訳（メタデータ） (2022-06-29T09:44:33Z)
• Output-Weighted Optimal Sampling for Bayesian Experimental Design and Uncertainty Quantification [0.0]
  サンプル選択のための一連の取得関数を導入し,ベイズの実験設計と不確実性定量化に関する応用において,より高速な収束をもたらす。 提案手法は,ブラックボックス関数の入力方向が他よりも出力に大きく影響していることを活用することを目的としており,特に稀かつ極端な事象を示すシステムにおいて重要である。
  論文  参考訳（メタデータ） (2020-06-22T16:21:54Z)
• Almost-Matching-Exactly for Treatment Effect Estimation under Network Interference [73.23326654892963]
  本研究では,観測ネットワーク上でユニットが接続されたランダム化実験から直接処理効果を回復するマッチング手法を提案する。 本手法は, 近傍グラフ内の一意部分グラフの個数にほぼ一致する。
  論文  参考訳（メタデータ） (2020-03-02T15:21:20Z)

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。