Fugu-MT 論文翻訳(概要): Data-Driven System Identification of Linear Quantum Systems Coupled to Time-Varying Coherent Inputs

論文の概要: Data-Driven System Identification of Linear Quantum Systems Coupled to Time-Varying Coherent Inputs

arxiv url: http://arxiv.org/abs/2012.06040v1
Date: Fri, 11 Dec 2020 00:02:28 GMT
ステータス: 処理完了
システム内更新日: 2023-04-21 03:38:54.014585
Title: Data-Driven System Identification of Linear Quantum Systems Coupled to Time-Varying Coherent Inputs
Title（参考訳）: 時変コヒーレント入力に結合した線形量子システムのデータ駆動システム同定
Authors: H. I. Nurdin and N. H. Amini and J. Chen
Abstract要約: 時間変動コヒーレント状態によって駆動される未知の線形量子系のモデルを特定するシステム同定アルゴリズムを開発した。提案アルゴリズムは線形量子系の物理的実現可能性条件を満たすモデルを特定する。
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: In this paper, we develop a system identification algorithm to identify a model for unknown linear quantum systems driven by time-varying coherent states, based on empirical single-shot continuous homodyne measurement data of the system's output. The proposed algorithm identifies a model that satisfies the physical realizability conditions for linear quantum systems, challenging constraints not encountered in classical (non-quantum) linear system identification. Numerical examples on a multiple-input multiple-output optical cavity model are presented to illustrate an application of the identification algorithm.
Abstract（参考訳）: 本稿では,システム出力の単発連続ホモダイン測定データに基づいて,時間変化コヒーレント状態によって駆動される未知の線形量子系のモデルを特定するシステム同定アルゴリズムを開発する。提案手法は、線形量子系の物理的実現可能性条件を満たすモデルを特定し、古典的(非量子)線形系同定では見当たらない制約に挑戦する。同定アルゴリズムの適用例を示すために,多入力多重出力光キャビティモデルにおける数値例を示す。

関連論文リスト

Probabilistic Numeric SMC Sampling for Bayesian Nonlinear System Identification in Continuous Time [0.0]
工学において、ノイズによって汚染されたデータから非線形力学系を正確にモデル化することは必須かつ複雑である。連続時間常微分方程式(ODE)の統合は、理論モデルと離散サンプリングデータとの整合に不可欠である。本稿では,非線形力学系の結合パラメータ-状態同定におけるODEの確率論的数値解法の適用例を示す。
論文参考訳（メタデータ） (2024-04-19T14:52:14Z)
Dealing with Collinearity in Large-Scale Linear System Identification Using Gaussian Regression [3.04585143845864]
複数の相互接続型動的システムからなるネットワークの推定について検討する。我々は、任意のインパルス応答をゼロ平均ガウス過程の実現と見なすベイズ正規化フレームワークにキャストされた戦略を開発する。我々はマルコフ連鎖モンテカルロスキームを設計し、コリナリティを効率的に扱うことでインパルス応答を後方に再構築する。
論文参考訳（メタデータ） (2023-02-21T19:35:47Z)
Identifiability and Asymptotics in Learning Homogeneous Linear ODE Systems from Discrete Observations [114.17826109037048]
通常の微分方程式(ODE)は、機械学習において最近多くの注目を集めている。理論的な側面、例えば、統計的推定の識別可能性と特性は、いまだに不明である。本稿では,1つの軌道からサンプリングされた等間隔の誤差のない観測結果から,同次線形ODE系の同定可能性について十分な条件を導出する。
論文参考訳（メタデータ） (2022-10-12T06:46:38Z)
Capturing Actionable Dynamics with Structured Latent Ordinary Differential Equations [68.62843292346813]
本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
論文参考訳（メタデータ） (2022-02-25T20:00:56Z)
Supervised DKRC with Images for Offline System Identification [77.34726150561087]
現代の力学系はますます非線形で複雑なものになりつつある。予測と制御のためのコンパクトで包括的な表現でこれらのシステムをモデル化するフレームワークが必要である。本手法は,教師付き学習手法を用いてこれらの基礎関数を学習する。
論文参考訳（メタデータ） (2021-09-06T04:39:06Z)
System identification using Bayesian neural networks with nonparametric noise models [0.0]
離散時間非線形ランダムダイナミクス系におけるシステム同定のための非パラメトリックアプローチを提案する。後部推論用ギブスサンプリング器を提案し, シミュレーションおよび実時間時系列でその有効性を示した。
論文参考訳（メタデータ） (2021-04-25T09:49:50Z)
Linear embedding of nonlinear dynamical systems and prospects for efficient quantum algorithms [74.17312533172291]
有限非線形力学系を無限線型力学系(埋め込み)にマッピングする方法を述べる。次に、有限線型系 (truncation) による結果の無限線型系を近似するアプローチを検討する。
論文参考訳（メタデータ） (2020-12-12T00:01:10Z)
A Novel Anomaly Detection Algorithm for Hybrid Production Systems based on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文参考訳（メタデータ） (2020-10-29T08:27:43Z)
Active Learning for Nonlinear System Identification with Guarantees [102.43355665393067]
状態遷移が既知の状態-作用対の特徴埋め込みに線形に依存する非線形力学系のクラスについて検討する。そこで本稿では, トラジェクティブ・プランニング, トラジェクティブ・トラッキング, システムの再推定という3つのステップを繰り返すことで, この問題を解決するためのアクティブ・ラーニング・アプローチを提案する。本手法は, 非線形力学系を標準線形回帰の統計速度と同様, パラメトリック速度で推定する。
論文参考訳（メタデータ） (2020-06-18T04:54:11Z)

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。