論文の概要: Noise-robust classification of single-shot electron spin readouts using a deep neural network

• arxiv url: http://arxiv.org/abs/2012.10841v2
• Date: Tue, 12 Jan 2021 06:28:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-20 02:31:01.647077
• Title: Noise-robust classification of single-shot electron spin readouts using a deep neural network
• Title（参考訳）: ディープニューラルネットワークを用いた単発電子スピン読み出しのノイズロバスト分類
• Authors: Yuta Matsumoto, Takafumi Fujita, Arne Ludwig, Andreas D. Wieck, Kazunori Komatani, Akira Oiwa
• Abstract要約: 量子点接触や量子ドットといった電荷センサによる電荷状態とスピン状態の単発読み出しは、半導体スピン量子ビットの動作に欠かせない技術である。 ディープニューラルネットワーク(DNN)を用いたノイズに頑健な単一ショット読み出し分類法を提案する。 本研究では,ディープニューラルネットワーク(DNN)を用いたノイズに頑健な単一ショット読み出し分類法を提案する。
• 参考スコア（独自算出の注目度）: 2.9123559461323016
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Single-shot readout of charge and spin states by charge sensors such as quantum point contacts and quantum dots are essential technologies for the operation of semiconductor spin qubits. The fidelity of the single-shot readout depends both on experimental conditions such as signal-to-noise ratio, system temperature and numerical parameters such as threshold values. Accurate charge sensing schemes that are robust under noisy environments are indispensable for developing a scalable fault-tolerant quantum computation architecture. In this study, we present a novel single-shot readout classification method that is robust to noises using a deep neural network (DNN). Importantly, the DNN classifier is automatically configured for spin-up and spin-down signals in any noise environment by tuning the trainable parameters using the datasets of charge transition signals experimentally obtained at a charging line. Moreover, we verify that our DNN classification is robust under noisy environment in comparison to the two conventional classification methods used for charge and spin state measurements in various quantum dot experiments.
• Abstract（参考訳）: 量子点接触や量子ドットなどの電荷センサによる電荷とスピン状態の単発読み出しは、半導体スピン量子ビットの動作に必須の技術である。 単発読み出しの忠実度は、信号対雑音比、システム温度、しきい値などの数値パラメータといった実験条件に依存する。 ノイズの多い環境下で堅牢な正確な電荷検出スキームは、スケーラブルなフォールトトレラント量子計算アーキテクチャの開発には不可欠である。 本研究では,ディープニューラルネットワーク(dnn)を用いて,雑音に対して頑健な単発読み出し分類手法を提案する。 重要なことに、DNN分類器は、充電ラインで実験的に得られた電荷遷移信号のデータセットを用いて、トレーニング可能なパラメータを調整することにより、任意のノイズ環境でスピンアップおよびスピンダウン信号を自動的に設定する。 さらに, 様々な量子ドット実験における電荷状態とスピン状態の測定に用いる2つの従来の分類法と比較して, 雑音環境下でのdnn分類が頑健であることを検証した。

関連論文リスト

• Neuromorphic Wireless Split Computing with Multi-Level Spikes [69.73249913506042]
  ニューロモルフィックコンピューティングでは、スパイクニューラルネットワーク(SNN)が推論タスクを実行し、シーケンシャルデータを含むワークロードの大幅な効率向上を提供する。 ハードウェアとソフトウェアの最近の進歩は、スパイクニューロン間で交換された各スパイクに数ビットのペイロードを埋め込むことにより、推論精度をさらに高めることを示した。 本稿では,マルチレベルSNNを用いた無線ニューロモルフィック分割計算アーキテクチャについて検討する。
  論文  参考訳（メタデータ） (2024-11-07T14:08:35Z)
• Neural network based deep learning analysis of semiconductor quantum dot qubits for automated control [0.0]
  本稿では,機械学習,特に畳み込みニューラルネットワーク(CNN)を用いた新しい手法を提案する。 注目すべきは、私たちのCNNは、ホッピング定数の変動を含む、サイト固有の障害をHubbardパラメータで処理できることです。 我々のアプローチでは、同時に5つ以上の量子ドットのチューニングが可能になり、しばしば見過ごされるクロストークの問題に効果的に対処できる。
  論文  参考訳（メタデータ） (2024-05-07T17:56:12Z)
• Quantum-enhanced learning with a controllable bosonic variational sensor network [0.40964539027092906]
  絡み合ったセンサネットワーク(SLAEN)による教師付き学習 本稿では非線形データ分類タスクを処理できるSLAENを提案する。 分類誤差のしきい値現象は、プローブのエネルギーが一定のしきい値を超えると、誤差は劇的にゼロになる。
  論文  参考訳（メタデータ） (2024-04-28T19:41:40Z)
• Automatic Detection of Nuclear Spins at Arbitrary Magnetic Fields via Signal-to-Image AI Model [0.0]
  我々は,NVセンサを取り巻く核スピンの数を自動的に推定できる信号・画像深層学習モデルを提案する。 我々のモデルは、様々な磁場シナリオに対して効果的に動作するよう訓練されており、関連する核の事前の知識を必要とせず、ノイズ信号を処理するように設計されている。
  論文  参考訳（メタデータ） (2023-11-25T14:18:38Z)
• Control of an environmental spin defect beyond the coherence limit of a central spin [79.16635054977068]
  電子スピンレジスタのサイズを拡大するためのスケーラブルなアプローチを提案する。 我々は, 中心NVのコヒーレンス限界外における未知電子スピンの検出とコヒーレント制御を実証するために, このアプローチを実験的に実現した。 我々の研究は、ナノスケールセンシングを推進し、誤り訂正のための相関ノイズスペクトロスコピーを有効にし、量子通信のためのスピンチェーン量子ワイヤの実現を促進するため、より大きな量子レジスタを工学的に開発する方法を開拓する。
  論文  参考訳（メタデータ） (2023-06-29T17:55:16Z)
• Gate-based spin readout of hole quantum dots with site-dependent $g-$factors [101.23523361398418]
  ゲート型反射率計を用いたスピンリードアウトによりシリコン中の二重量子ドットを実験的に検討した。 磁気分光法により生じる反射位相信号の特徴は,2点のサイト依存の$g-$factorに関する情報を伝達する。
  論文  参考訳（メタデータ） (2022-06-27T09:07:20Z)
• A Neural Network Assisted $^{171}$Yb$^{+}$ Quantum Magnetometer [40.61445850211335]
  汎用磁気センサは、幅広いパラメータのターゲットフィールドに露出した場合、読み取り可能な応答を提供する必要がある。 我々は、適切に訓練されたニューラルネットワークと171ドルのYb$+$の原子センサーを組み合わせることで、挑戦的なシナリオにおいてターゲットフィールドを調査できることを実験的に実証した。
  論文  参考訳（メタデータ） (2022-03-11T10:53:46Z)
• Neural networks for on-the-fly single-shot state classification [0.0]
  単発量子計測における状態分類へのニューラルネットワークの適用について検討する。 本手法は,ハードドライブへの大規模なデータ転送を必要とせず,オーバヘッドなしでオンザフライデータ処理が可能となる。
  論文  参考訳（メタデータ） (2021-07-13T05:29:59Z)
• SignalNet: A Low Resolution Sinusoid Decomposition and Estimation Network [79.04274563889548]
  本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。 基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。 シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
  論文  参考訳（メタデータ） (2021-06-10T04:21:20Z)
• Machine learning approach for quantum non-Markovian noise classification [1.2891210250935146]
  機械学習と人工ニューラルネットワークモデルを用いてノイズの多い量子力学を分類できることを示した。 提案手法は, 多数の実験手法の直接的応用と, 既に利用可能な雑音型中間規模量子デバイスのノイズベンチマークへの応用が期待できる。
  論文  参考訳（メタデータ） (2021-01-08T20:56:56Z)
• Deep Networks for Direction-of-Arrival Estimation in Low SNR [89.45026632977456]
  我々は,真の配列多様体行列の変異チャネルデータから学習した畳み込みニューラルネットワーク(CNN)を導入する。 我々は低SNR体制でCNNを訓練し、すべてのSNRでDoAを予測する。 私たちの堅牢なソリューションは、ワイヤレスアレイセンサーから音響マイクロフォンやソナーまで、いくつかの分野に適用できます。
  論文  参考訳（メタデータ） (2020-11-17T12:52:18Z)

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。