論文の概要: Resource-efficient adaptive Bayesian tracking of magnetic fields with a
quantum sensor
- arxiv url: http://arxiv.org/abs/2008.08891v2
- Date: Tue, 26 Jan 2021 16:45:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-27 04:07:35.348848
- Title: Resource-efficient adaptive Bayesian tracking of magnetic fields with a
quantum sensor
- Title(参考訳): 量子センサを用いた磁場の資源効率適応ベイズ追跡
- Authors: K. Craigie, E. M. Gauger, Y. Altmann, C. Bonato (School of Engineering
and Physical Sciences, SUPA, Heriot-Watt University, Edinburgh, UK)
- Abstract要約: 単一スピン量子センサは、磁場のナノスケールマッピングを提供する。
磁場が急速に変化する可能性があるアプリケーションでは、全センシング時間を最小化しなければならない。
本稿では,近似ベイズ推定手法を実装することにより,計算速度の問題に対処する。
- 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: Single-spin quantum sensors, for example based on nitrogen-vacancy centres in
diamond, provide nanoscale mapping of magnetic fields. In applications where
the magnetic field may be changing rapidly, total sensing time is crucial and
must be minimised. Bayesian estimation and adaptive experiment optimisation can
speed up the sensing process by reducing the number of measurements required.
These protocols consist of computing and updating the probability distribution
of the magnetic field based on measurement outcomes and of determining
optimized acquisition settings for the next measurement. However, the
computational steps feeding into the measurement settings of the next iteration
must be performed quickly enough to allow for real-time updates. This article
addresses the issue of computational speed by implementing an approximate
Bayesian estimation technique, where probability distributions are approximated
by a finite sum of Gaussian functions. Given that only three parameters are
required to fully describe a Gaussian density, we find that in many cases, the
magnetic field probability distribution can be described by fewer than ten
parameters, achieving a reduction in computation time by factor 10 compared to
existing approaches. For T2* = 1 micro second, only a small decrease in
computation time is achieved. However, in these regimes, the proposed Gaussian
protocol outperforms the existing one in tracking accuracy.
- Abstract(参考訳): 例えば、ダイヤモンド中の窒素空孔中心に基づく単一スピン量子センサーは、ナノスケールの磁場マッピングを提供する。
磁場が急速に変化する可能性があるアプリケーションでは、全センシング時間が重要であり、最小化されなければならない。
ベイズ推定と適応実験の最適化は、必要な測定回数を減らすことで、センシングプロセスを高速化することができる。
これらのプロトコルは、測定結果に基づいて磁場の確率分布を計算・更新し、次の測定のために最適な取得設定を決定する。
しかし、次のイテレーションの測定設定に入力する計算ステップは、リアルタイム更新を可能にするのに十分な速さで実行されなければならない。
本稿では,確率分布をガウス関数の有限和で近似する近似ベイズ推定手法を導入することで,計算速度の問題に対処する。
ガウス密度を完全に記述するためには3つのパラメータしか必要としないため、多くの場合、磁場の確率分布を10未満のパラメータで記述することができ、既存の手法と比較して計算時間を10倍に短縮できる。
t2* = 1マイクロ秒の場合、計算時間はわずかに減少するだけである。
しかし、これらの制度では、提案されたガウスプロトコルは既存のプロトコルよりも精度が優れている。
関連論文リスト
- Training normalizing flows with computationally intensive target
probability distributions [0.018416014644193065]
本稿では,REINFORCEアルゴリズムに基づく流れの正規化のための推定器を提案する。
ウォールタイムでは最大10倍高速で、最大30%のメモリを必要とする。
論文 参考訳(メタデータ) (2023-08-25T10:40:46Z) - 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) - Monte Carlo Neural PDE Solver for Learning PDEs via Probabilistic Representation [59.45669299295436]
教師なしニューラルソルバのトレーニングのためのモンテカルロPDEソルバを提案する。
我々は、マクロ現象をランダム粒子のアンサンブルとみなすPDEの確率的表現を用いる。
対流拡散, アレン・カーン, ナヴィエ・ストークス方程式に関する実験により, 精度と効率が著しく向上した。
論文 参考訳(メタデータ) (2023-02-10T08:05:19Z) - 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) - Fast Exploration of the Impact of Precision Reduction on Spiking Neural
Networks [63.614519238823206]
ターゲットハードウェアがコンピューティングの端に達すると、スパイキングニューラルネットワーク(SNN)が実用的な選択となる。
我々は、近似誤差を伝播するそのようなモデルの能力を生かした探索手法を開発するために、インターヴァル算術(IA)モデルを用いる。
論文 参考訳(メタデータ) (2022-11-22T15:08:05Z) - Real-time adaptive estimation of decoherence timescales for a single
qubit [2.6938732235832044]
量子コヒーレンスが存続する時間を特徴付けることは、量子ビット、記憶、センサーの実装に不可欠である。
簡単な解析的更新規則に基づく適応型多パラメータ手法を提案し,鍵デコヒーレンスをリアルタイムで推定する。
因子 $sim 2$ のさらなるスピードアップは、分散に対して感度に関して最適化を行うことによって実現できる。
論文 参考訳(メタデータ) (2022-10-12T11:28:23Z) - Real-time frequency estimation of a qubit without single-shot-readout [1.1796902300802676]
本稿では,読み出し位相を制御する適応アルゴリズムを提案する。
本稿では,適応プロトコルの追加により,将来的なリアルタイム実験における精度の向上が期待できることを示す。
論文 参考訳(メタデータ) (2022-10-11T15:35:16Z) - Using Random Walks for Iterative Phase Estimation [12.892284518456059]
We provide a new approach to online Bayesian phase estimation that achieves Heisenberg limited scaling。
これは、既存の粒子フィルタ法ではミリ秒ではなく、CPU上でマイクロ秒で更新できることを意味している。
この研究は、オンラインベイズ推論が実用的で、効率的で、現代のFPGA駆動適応実験にデプロイする準備ができていることを示している。
論文 参考訳(メタデータ) (2022-08-09T03:31:15Z) - Fixed-point iterations for several dissimilarity measure barycenters in
the Gaussian case [69.9674326582747]
目標追跡とセンサ融合の文脈では、多数のガウス密度を扱うことは珍しくない。
FPI(Fixed-Point Iterations)は、いくつかの異なる尺度に従って、バリセンタの計算を行う。
論文 参考訳(メタデータ) (2022-05-10T11:12:12Z) - Bosonic field digitization for quantum computers [62.997667081978825]
我々は、離散化された場振幅ベースで格子ボゾン場の表現に対処する。
本稿では,エラースケーリングを予測し,効率的な量子ビット実装戦略を提案する。
論文 参考訳(メタデータ) (2021-08-24T15:30:04Z) - Fast covariance parameter estimation of spatial Gaussian process models
using neural networks [0.0]
我々はnnを入力として適度な大きさの空間場または変量線を取り、範囲と信号間の共分散パラメータを返すように訓練する。
トレーニングが完了すると、nnsはml推定と同等の精度で見積もりを提供し、100倍以上のスピードアップを行う。
この作業は、他のより複雑な空間問題に容易に拡張することができ、計算統計における機械学習の使用に対する概念の証明を提供する。
論文 参考訳(メタデータ) (2020-12-30T22:06:26Z)
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。