論文の概要: Bayesian parameter estimation using Gaussian states and measurements

• arxiv url: http://arxiv.org/abs/2009.03709v2
• Date: Thu, 11 Mar 2021 17:22:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-03 05:15:44.239156
• Title: Bayesian parameter estimation using Gaussian states and measurements
• Title（参考訳）: ガウス状態と測定値を用いたベイズパラメータ推定
• Authors: Simon Morelli, Ayaka Usui, Elizabeth Agudelo, and Nicolai Friis
• Abstract要約: 連続変数量子距離論における3つのパラダイム的推定スキームについて考察する。 ホモダインおよびヘテロダイン検出において,単一モードガウス状態で達成可能な精度について検討した。 これにより、優れた性能と単純な実験的実現の可能性を組み合わせたベイズ推定戦略を特定できる。
• 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: Bayesian analysis is a framework for parameter estimation that applies even in uncertainty regimes where the commonly used local (frequentist) analysis based on the Cram\'er-Rao bound is not well defined. In particular, it applies when no initial information about the parameter value is available, e.g., when few measurements are performed. Here, we consider three paradigmatic estimation schemes in continuous-variable quantum metrology (estimation of displacements, phases, and squeezing strengths) and analyse them from the Bayesian perspective. For each of these scenarios, we investigate the precision achievable with single-mode Gaussian states under homodyne and heterodyne detection. This allows us to identify Bayesian estimation strategies that combine good performance with the potential for straightforward experimental realization in terms of Gaussian states and measurements. Our results provide practical solutions for reaching uncertainties where local estimation techniques apply, thus bridging the gap to regimes where asymptotically optimal strategies can be employed.
• Abstract（参考訳）: ベイズ解析(英: Bayesian analysis)は、Clam\'er-Rao 境界に基づく局所的(頻度主義的な)解析が十分に定義されていない不確実な状態においても適用可能なパラメータ推定の枠組みである。 特に、パラメータ値に関する初期情報が得られない場合、例えば、測定がほとんど行われない場合に適用される。 ここでは,連続変数量子メトロロジーにおける3つのパラダイム的推定スキーム(変位・位相・スクイーズ強度の推定)について検討し,ベイズの観点から解析する。 これらの各シナリオについて,ホモダインおよびヘテロダイン検出下での単一モードガウス状態の精度について検討する。 これにより,優れた性能と直接的実験実現の可能性を組み合わせたベイズ推定戦略を,ガウス状態と測定値の観点から識別することができる。 本研究は,局所的推定手法が適用できる不確実性に到達するための実用的な解決策を提供し,漸近的最適戦略が適用できるレジームへのギャップを橋渡しする。

関連論文リスト

• The Cramér-Rao approach and global quantum estimation of bosonic states [52.47029505708008]
  Cram'er-Rao アプローチが局所的推定ではなく大域的推定に当てはまるかどうかは不明である。 クラムエル・ラオ法が成立し、非IID条件下でのボゾン状態の族を含む量子状態推定問題に有効でない状況を見つける。
  論文  参考訳（メタデータ） (2024-09-18T09:49:18Z)
• 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)
• Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
  確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。 本手法は, 精度の高い問題に特に適している。 提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
  論文  参考訳（メタデータ） (2023-11-08T00:10:21Z)
• Optimal estimation of pure states with displaced-null measurements [0.0]
  純粋量子状態の未知パラメータを推定する問題を再検討する。 本研究では,実験者が真のシステム状態に近いベクトルを含む基準で測定することを目指すヌル測度戦略について検討する。
  論文  参考訳（メタデータ） (2023-10-10T16:46:24Z)
• A Tale of Sampling and Estimation in Discounted Reinforcement Learning [50.43256303670011]
  割引平均推定問題に対して最小値の最小値を求める。 マルコフ過程の割引されたカーネルから直接サンプリングすることで平均を推定すると、説得力のある統計的性質が得られることを示す。
  論文  参考訳（メタデータ） (2023-04-11T09:13:17Z)
• Comparison of confidence regions for quantum state tomography [0.0]
  未知の実験準備手順に関連する量子状態は、量子状態トモグラフィーによって決定することができる。 これを達成するための厳密な方法は、状態空間の統計的信頼領域を経由する。 我々は、ガウス近似に基づく参照手法と同様に、信頼領域を構築するための最近の手法を比較した。
  論文  参考訳（メタデータ） (2023-03-13T14:05:07Z)
• 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)
• Scalable Marginal Likelihood Estimation for Model Selection in Deep Learning [78.83598532168256]
  階層型モデル選択は、推定困難のため、ディープラーニングではほとんど使われない。 本研究は,検証データが利用できない場合,限界的可能性によって一般化が向上し,有用であることを示す。
  論文  参考訳（メタデータ） (2021-04-11T09:50:24Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Multiphase estimation without a reference mode [0.0]
  外部参照モードがないと、同時に推定可能なパラメータの数が減少することを示す。 また、推定されるパラメータの対称性が最適プローブ状態の対称性を定めていることも示す。
  論文  参考訳（メタデータ） (2020-06-23T18:00:03Z)
• Optical estimation of unitary Gaussian processes without phase reference using Fock states [0.9786690381850356]
  2つの単一モードガウス過程、変位とスクイーズを考える。 この2つを,光子数状態と光子数分解検出器を用いて効率的に推定できることを示す。
  論文  参考訳（メタデータ） (2020-06-17T16:40:21Z)

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。