論文の概要: Optimized Observable Readout from Single-shot Images of Ultracold Atoms via Machine Learning

• arxiv url: http://arxiv.org/abs/2010.14510v1
• Date: Tue, 27 Oct 2020 18:00:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-27 08:32:03.373881
• Title: Optimized Observable Readout from Single-shot Images of Ultracold Atoms via Machine Learning
• Title（参考訳）: 機械学習による超低温原子単発画像からの可観測読み出しの最適化
• Authors: Axel U. J. Lode, Rui Lin, Miriam B\"uttner, Luca Papariello, Camille L\'ev\^eque, R. Chitra, Marios C. Tsatsos, Dieter Jaksch, and Paolo Molignini
• Abstract要約: 人工ニューラルネットワークがシングルショット画像から可観測物の抽出を最適化する方法を示す。 平均的なアプローチとは対照的に、機械学習は1粒子と2粒子の密度を正確に得ることができる。 興味深いことに、機械学習は、実空間のシングルショット画像から運動量空間オブザーバブルを確実に抽出することを可能にする。
• 参考スコア（独自算出の注目度）: 1.682140345415156
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Single-shot images are the standard readout of experiments with ultracold atoms -- the tarnished looking glass into their many-body physics. The efficient extraction of observables from single-shot images is thus crucial. Here, we demonstrate how artificial neural networks can optimize this extraction. In contrast to standard averaging approaches, machine learning allows both one- and two-particle densities to be accurately obtained from a drastically reduced number of single-shot images. Quantum fluctuations and correlations are directly harnessed to obtain physical observables for bosons in a tilted double-well potential at an unprecedented accuracy. Strikingly, machine learning also enables a reliable extraction of momentum-space observables from real-space single-shot images and vice versa. This obviates the need for a reconfiguration of the experimental setup between in-situ and time-of-flight imaging, thus potentially granting an outstanding reduction in resources.
• Abstract（参考訳）: シングルショット画像(single-shot images)は、超低温原子を使った実験の標準的な読み出しだ。 したがって、単発画像からの可観測性の効率的な抽出は不可欠である。 本稿では,ニューラルネットワークを用いてこの抽出を最適化する方法を示す。 平均的なアプローチとは対照的に、機械学習は1粒子と2粒子の密度を、劇的に削減された単写画像から正確に得ることができる。 量子揺らぎと相関は、前例のない精度で傾いたダブルウェルポテンシャルのボソンの物理的観測性を得るために直接利用される。 驚くべきことに、機械学習は、実空間のシングルショット画像から、運動量空間の可観測性の信頼できる抽出を可能にする。 これにより、その場と飛行時間の間の実験的な設定を再設定する必要がなくなるため、リソースの大幅な削減が期待できる。

関連論文リスト

• Neural Network Enhanced Single-Photon Fock State Tomography [6.434126816101052]
  ターゲットパラメータの直接推定による単一光子量子状態トモグラフィーの実験的実装について報告する。 我々のニューラルネットワーク拡張量子状態トモグラフィーは、平衡ホモダイン検出器から可能な全ての光子数状態の光子数分布を特徴付ける。 このような高速で頑健で正確な量子状態トモグラフィーは、単一光子フォック状態やその他の非ガウス的量子状態を持つアプリケーションにとって重要な診断ツールボックスを提供する。
  論文  参考訳（メタデータ） (2024-05-05T04:58:18Z)
• Deep-learning-based decomposition of overlapping-sparse images: application at the vertex of neutrino interactions [2.5521723486759407]
  本稿では,深層学習の力を利用して,多次元重なり合うスパース画像中の個々の物体を正確に抽出する手法を提案する。 これは、イメージング検出器から得られるオーバーレイド素粒子を分解した高エネルギー物理学の直接的な応用である。
  論文  参考訳（メタデータ） (2023-10-30T16:12:25Z)
• ExposureDiffusion: Learning to Expose for Low-light Image Enhancement [87.08496758469835]
  この研究は、拡散モデルと物理ベースの露光モデルとをシームレスに統合することで、この問題に対処する。 提案手法は,バニラ拡散モデルと比較して性能が大幅に向上し,推論時間を短縮する。 提案するフレームワークは、実際のペア付きデータセット、SOTAノイズモデル、および異なるバックボーンネットワークの両方で動作する。
  論文  参考訳（メタデータ） (2023-07-15T04:48:35Z)
• InfoNeRF: Ray Entropy Minimization for Few-Shot Neural Volume Rendering [55.70938412352287]
  ニューラルな暗黙表現に基づく数ショットの新規ビュー合成のための情報理論正規化手法を提案する。 提案手法は,不十分な視点で発生する潜在的な復元の不整合を最小化する。 複数の標準ベンチマークにおいて,既存のニューラルビュー合成手法と比較して一貫した性能向上を実現している。
  論文  参考訳（メタデータ） (2021-12-31T11:56:01Z)
• Observation-dependent suppression and enhancement of two-photon coincidences by tailored losses [68.8204255655161]
  ホン・ウー・マンデル効果(HOM)は、バランスビームスプリッターの出力ポート間での2粒子の一致を完璧に抑制することができる。 そこで本研究では,2つのボソンの2粒子同時一致統計をシームレスに調整し,精度の向上を実証した。 この結果から,非エルミート的設定を多粒子量子状態の操作に利用するための新しいアプローチが明らかになった。
  論文  参考訳（メタデータ） (2021-05-12T06:47:35Z)
• Experimental Fock-State Bunching Capability of Non-Ideal Single-Photon States [0.0]
  単一光子源に対して,極端に束縛された事象を量子化器として位相空間干渉を用いるFock-state bunching機能を実験的に導入する。 我々の研究は、単一光子源に対する新しい集合的ベンチマークと、それに続く厳密なアプリケーションでの使用を実証する。
  論文  参考訳（メタデータ） (2020-12-15T19:00:28Z)
• Single-shot Hyperspectral-Depth Imaging with Learned Diffractive Optics [72.9038524082252]
  単発単眼単眼ハイパースペクトル(HS-D)イメージング法を提案する。 本手法では, 回折光学素子 (DOE) を用いる。 DOE の学習を容易にするため,ベンチトップ HS-D イメージラーを構築することで,最初の HS-D データセットを提案する。
  論文  参考訳（メタデータ） (2020-09-01T14:19:35Z)
• Single Image Brightening via Multi-Scale Exposure Fusion with Hybrid Learning [48.890709236564945]
  小さいISOと小さな露光時間は、通常、背面または低い光条件下で画像をキャプチャするために使用される。 本稿では、そのような画像を明るくするために、単一の画像輝度化アルゴリズムを提案する。 提案アルゴリズムは,露出時間が大きい2つの仮想画像を生成するための,ユニークなハイブリッド学習フレームワークを含む。
  論文  参考訳（メタデータ） (2020-07-04T08:23:07Z)
• Single-exposure absorption imaging of ultracold atoms using deep learning [0.0]
  単一の露光で吸収イメージングを行う方法を示す。 参照フレームは第2の露光の代わりに、教師なしの画像補完ニューラルネットワークによって生成される。 ネットワークは、信号を囲む領域の情報のみに基づいて原子信号が重なるノイズを推測できるように、吸収信号なしで画像に基づいて訓練される。
  論文  参考訳（メタデータ） (2020-03-03T17:09:27Z)
• Self-Supervised Linear Motion Deblurring [112.75317069916579]
  深層畳み込みニューラルネットワークは、画像の劣化の最先端技術である。 本稿では,自己監督型動作遅延に対する識別可能なreblurモデルを提案する。 我々の実験は、自己監督された単一画像の劣化が本当に実現可能であることを実証した。
  論文  参考訳（メタデータ） (2020-02-10T20:15:21Z)

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。