論文の概要: Machine-learning-assisted electron-spin readout of nitrogen-vacancy center in diamond

• arxiv url: http://arxiv.org/abs/2102.08558v1
• Date: Wed, 17 Feb 2021 03:57:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-11 00:04:10.592335
• Title: Machine-learning-assisted electron-spin readout of nitrogen-vacancy center in diamond
• Title（参考訳）: ダイヤモンド中の窒素空洞中心の学習支援電子スピン読み出し
• Authors: Peng Qian, Xue Lin, Feifei Zhou, Runchuan Ye, Yunlan Ji, Bing Chen, Guangjun Xie and Nanyang Xu
• Abstract要約: 単光子収集によるダイヤモンド中の電子スピン状態の光学的読み出しについて紹介する。 提案手法は,不完全なデータから処理結果を修復し,スピン読み出し誤差の7%を低減できることを示した。 我々の機械学習手法は、状態の精度測定と光学的検出に幅広い応用を示唆している。
• 参考スコア（独自算出の注目度）: 26.41303716811187
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Machine learning is a powerful tool in finding hidden data patterns for quantum information processing. Here, we introduce this method into the optical readout of electron-spin states in diamond via single-photon collection and demonstrate improved readout precision at room temperature. The traditional method of summing photon counts in a time gate loses all the timing information crudely. We find that changing the gate width can only optimize the contrast or the state variance, not both. In comparison, machine learning adaptively learns from time-resolved fluorescence data, and offers the optimal data processing model that elaborately weights each time bin to maximize the extracted information. It is shown that our method can repair the processing result from imperfect data, reducing 7% in spin readout error while optimizing the contrast. Note that these improvements only involve recording photon time traces and consume no additional experimental time, they are thus robust and free. Our machine learning method implies a wide range of applications in precision measurement and optical detection of states.
• Abstract（参考訳）: 機械学習は、量子情報処理のための隠れデータパターンを見つける強力なツールである。 本稿では,単光子収集によるダイヤモンド中の電子スピン状態の光学的読み出し法を紹介し,室温での読み出し精度の向上を示す。 従来のタイムゲートにおける光子数の総和法は、すべてのタイミング情報を粗く失う。 ゲート幅の変更はコントラストや状態のばらつきを最適化するだけであり、両方ではない。 一方、機械学習は時間分解蛍光データから適応的に学習し、抽出された情報を最大化するために各時間ビンを精巧に重み付けする最適なデータ処理モデルを提供する。 提案手法は,不完全なデータから処理結果を修復し,コントラストを最適化しながら,スピン読み出し誤差を7%低減する。 これらの改善は、光子時間トレースの記録のみを含み、追加の実験時間を消費しないため、堅牢で自由である。 我々の機械学習手法は、状態の精度測定と光学的検出に幅広い応用を示唆している。

関連論文リスト

• bit2bit: 1-bit quanta video reconstruction via self-supervised photon prediction [57.199618102578576]
  疎二分量時間画像データから高画質の画像スタックを元の解像度で再構成する新しい方法であるbit2bitを提案する。 Poisson denoisingの最近の研究に触発されて、スパースバイナリ光子データから高密度な画像列を生成するアルゴリズムを開発した。 本研究では,様々な課題の画像条件下でのSPADの高速映像を多種多種に含む新しいデータセットを提案する。
  論文  参考訳（メタデータ） (2024-10-30T17:30:35Z)
• Automated Segmentation and Analysis of Microscopy Images of Laser Powder Bed Fusion Melt Tracks [0.0]
  断面画像から溶融トラック次元を自動的に識別し,計測する画像分割ニューラルネットワークを提案する。 我々は、U-Netアーキテクチャを用いて、異なる研究室、機械、材料から得られた62個の事前ラベル付き画像のデータセットと、画像拡張を併用したトレーニングを行う。
  論文  参考訳（メタデータ） (2024-09-26T22:44:00Z)
• BOOT: Data-free Distillation of Denoising Diffusion Models with Bootstrapping [64.54271680071373]
  拡散モデルは多様な画像を生成する優れた可能性を示している。 知識蒸留は、推論ステップの数を1つか数に減らすための治療法として最近提案されている。 本稿では,効率的なデータフリー蒸留アルゴリズムにより限界を克服するBOOTと呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-06-08T20:30:55Z)
• Neural Invertible Variable-degree Optical Aberrations Correction [6.6855248718044225]
  本稿では,その情報ロスレス特性を利用して,可逆的アーキテクチャを用いた新しい収差補正手法を提案する。 アーキテクチャ内では、可変度で収差を処理できる条件付き可逆ブロックを開発する。 本手法は,物理画像シミュレーションによる合成データセットと実捕集データセットの両方を用いて評価する。
  論文  参考訳（メタデータ） (2023-04-12T01:56:42Z)
• On-chip quantum information processing with distinguishable photons [55.41644538483948]
  多光子干渉は光量子技術の中心にある。 そこで本研究では,共振器型集積光子源に必要なスケールで変形した光子を干渉させるのに十分な時間分解能で検出を実装できることを実験的に実証した。 ボソンサンプリング実験において,非イデアル光子の時間分解検出がエンタングル操作の忠実度を向上し,計算複雑性の低減を図ることができることを示す。
  論文  参考訳（メタデータ） (2022-10-14T18:16:49Z)
• When the Sun Goes Down: Repairing Photometric Losses for All-Day Depth Estimation [47.617222712429026]
  既存の測光損失を昼夜両方の画像に有効にするための3つの手法の組み合わせについて述べる。 まず、連続するフレーム間で起こる光の変化を補うために、ピクセルごとの神経強度変換を導入する。 第2に,推定エゴモーションと深度によって引き起こされる再投影対応を補正するために,画素ごとの残留フローマップを推定する。
  論文  参考訳（メタデータ） (2022-06-28T09:29:55Z)
• Utilizing machine learning to improve the precision of fluorescence imaging of cavity-generated spin squeezed states [0.2624902795082451]
  低温原子の蛍光イメージングにおいて,光子収集速度を調整するための教師付き学習モデルを提案する。 このモデルは、標準のパーソナルコンピュータのCPUで1分未満で効率よく訓練し、10分以内のデータ収集を必要とする。
  論文  参考訳（メタデータ） (2021-09-16T21:07:54Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• Optimized Observable Readout from Single-shot Images of Ultracold Atoms via Machine Learning [1.682140345415156]
  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。
  論文  参考訳（メタデータ） (2020-10-27T18:00:00Z)
• PX-NET: Simple and Efficient Pixel-Wise Training of Photometric Stereo Networks [26.958763133729846]
  光を反射する物体の正確な3D再構成は、コンピュータビジョンにおいて非常に難しい課題だ。 本稿では,グローバルにレンダリングされた画像のトレーニングデータ(観測マップ)を,画素単位の独立なデータに置き換えることで,正規予測のための新たな画素単位のトレーニング手順を提案する。 我々のネットワークであるPX-NETは、合成データセット上の他のピクセルワイズ手法と比較して最先端の性能を実現している。
  論文  参考訳（メタデータ） (2020-08-11T18:03:13Z)
• Data-Driven Discovery of Molecular Photoswitches with Multioutput Gaussian Processes [51.17758371472664]
  フォトウィッチ可能な分子は、光によってアクセスされる2つ以上の異性体である。 本稿では、データセットキュレーションとマルチタスク学習を基盤とした、分子フォトウィッチのためのデータ駆動探索パイプラインを提案する。 提案手法は, 市販フォトウィッチ可能な分子のライブラリーをスクリーニングし, 実験的に検証した。
  論文  参考訳（メタデータ） (2020-06-28T20:59:03Z)

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。