論文の概要: Approximate decoherence free subspaces for distributed sensing

• arxiv url: http://arxiv.org/abs/2106.13828v1
• Date: Fri, 25 Jun 2021 18:09:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-25 13:49:21.526468
• Title: Approximate decoherence free subspaces for distributed sensing
• Title（参考訳）: 分散センシングのための近似デコヒーレンス自由部分空間
• Authors: Arne Hamann, Pavel Sekatski and Wolfgang D\"ur
• Abstract要約: センサネットワークを用いた空間依存性を考慮したスカラー値場の検出について検討する。 空間的相関を利用して、特定の信号のみを感知し、異なる位置の他者に対して無神経であることを示す。 このアプローチは,長期間にわたって,多数のセンサに対して,ハイゼンベルクスケーリングの維持に有効であることを示す。
• 参考スコア（独自算出の注目度）: 0.3093890460224435
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider the sensing of scalar valued fields with specific spatial dependence using a network of sensors, e.g. multiple atoms located at different positions within a trap. We show how to harness the spatial correlations to sense only a specific signal, and be insensitive to others at different positions or with unequal spatial dependence by constructing a decoherence-free subspace for noise sources at fixed, known positions. This can be extended to noise sources lying on certain surfaces, where we encounter a connection to mirror charges and equipotential surfaces in classical electrostatics. For general situations, we introduce the notion of an approximate decoherence-free subspace, where noise for all sources within some volume is significantly suppressed, at the cost of reducing the signal strength in a controlled way. We show that one can use this approach to maintain Heisenberg-scaling over long times and for a large number of sensors, despite the presence of multiple noise sources in large volumes. We introduce an efficient formalism to construct internal states and sensor configurations, and apply it to several examples to demonstrate the usefulness and wide applicability of our approach.
• Abstract（参考訳）: トラップ内の異なる位置に位置する複数の原子などのセンサネットワークを用いて,空間依存性のあるスカラー値場を検知することを検討する。 特定信号のみを検知する空間相関の活用法を示し、定評のある位置における雑音源の非一貫性部分空間を構築することにより、異なる位置や不等な空間依存の他人に対して無感を与える方法を示す。 これは特定の表面にあるノイズ源に拡張することができ、そこでは古典的な静電気学におけるミラー電荷と等方性表面との接続に遭遇する。 一般的な状況では、制御された方法で信号強度を減少させるコストで、あるボリューム内のすべてのソースのノイズを著しく抑制する、近似デコヒーレンスのない部分空間の概念を導入する。 多数のノイズ源が存在するにも関わらず, 長期間にわたって, 多数のセンサに対して, ハイゼンベルクスケーリングを維持できることを示す。 内部状態とセンサ構成を構築するための効率的なフォーマリズムを導入し、それをいくつかの例に適用して、我々のアプローチの有用性と幅広い適用性を示す。

関連論文リスト

• Toward Model-Agnostic Detection of New Physics Using Data-Driven Signal Regions [0.24578723416255752]
  高エネルギー物理学における新しい粒子の探索において、信号領域(SR)を選択することが重要である。 本稿では,信号イベントの局所的トポロジについて,モデルに依存しないがしばしば現実的な仮定に基づいて構築する手法を提案する。 本研究では,信号イベントの高部分に集中する高次元特徴空間において,データ駆動型SRを効率的に同定できることを実証する。
  論文  参考訳（メタデータ） (2024-09-11T02:49:53Z)
• Neural Gaussian Scale-Space Fields [60.668800252986976]
  任意の信号の連続的異方性ガウススケール空間を効率よく学習する手法を提案する。 我々の手法は自己指導的であり、訓練は手作業によるフィルタリングを必要としない。 我々のニューラルガウススケール空間場は、幅広いモダリティの多スケール表現を忠実に捉えている。
  論文  参考訳（メタデータ） (2024-05-31T16:26:08Z)
• Subspace Defense: Discarding Adversarial Perturbations by Learning a Subspace for Clean Signals [52.123343364599094]
  敵の攻撃は、正常な例に基づいて慎重に摂動を行い、ディープニューラルネットワーク(DNN)を騙す まず,低次元線形部分空間において,クリーン信号と逆方向の摂動の特徴が冗長であり,重なりが最小であることを示す。 これにより、DNNは、摂動が破棄されている間、クリーン信号の特徴のみが存在する部分空間を学習することができる。
  論文  参考訳（メタデータ） (2024-03-24T14:35:44Z)
• Transcending Forgery Specificity with Latent Space Augmentation for Generalizable Deepfake Detection [57.646582245834324]
  LSDAと呼ばれる簡易で効果的なディープフェイク検出器を提案する。 より多様な偽の表現は、より一般化可能な決定境界を学べるべきである。 提案手法は驚くほど有効であり, 広く使用されている複数のベンチマークで最先端の検出器を超越することを示す。
  論文  参考訳（メタデータ） (2023-11-19T09:41:10Z)
• Optimal distributed multiparameter estimation in noisy environments [0.3093890460224435]
  ノイズ非感受性戦略の発見と改善方法について検討する。 GHZ状態の逐次探索は, 最大4。
  論文  参考訳（メタデータ） (2023-06-01T18:32:53Z)
• Spectral Enhanced Rectangle Transformer for Hyperspectral Image Denoising [64.11157141177208]
  ハイパースペクトル画像の空間的およびスペクトル的相関をモデル化するスペクトル拡張矩形変換器を提案する。 前者に対しては、長方形自己アテンションを水平および垂直に利用し、空間領域における非局所的類似性を捉える。 後者のために,空間スペクトル立方体の大域的低ランク特性を抽出し,雑音を抑制するスペクトル拡張モジュールを設計する。
  論文  参考訳（メタデータ） (2023-04-03T09:42:13Z)
• Extending loophole-free nonlocal correlations to arbitrarily large distances [0.2104687387907779]
  我々は、ループホールのない非局所的相関の性質を利用して、任意に広い距離にわたってそれらを拡張する。 ソースに近いループホールのない非局所性が高ければ高いほど、ソースからのしきい値要求が低くなることを示す。
  論文  参考訳（メタデータ） (2022-11-25T16:44:44Z)
• Dencentralized learning in the presence of low-rank noise [57.18977364494388]
  ネットワーク内のエージェントが収集した観測は、観測ノイズや干渉のために信頼性が低い。 本稿では,各ノードが自身の観測の信頼性を向上させる分散アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-03-18T09:13:57Z)
• Multiple Hypothesis Testing Framework for Spatial Signals [42.95566109115774]
  我々は,複数の仮説テストから派生した一般フレームワークを開発し,そのような領域を同定する。 予め特定されたレベルで偽発見率を制御しながら、異なる仮説に関連する空間格子点を同定する。 本稿では,モーメントのスペクトル法に基づいて局所的な偽発見率を推定する新しいデータ駆動手法を提案する。
  論文  参考訳（メタデータ） (2021-08-27T14:48:51Z)
• Data Fusion for Audiovisual Speaker Localization: Extending Dynamic Stream Weights to the Spatial Domain [103.3388198420822]
  複数の話者の位置を推定することは、自動音声認識や話者ダイアリゼーションなどのタスクに役立ちます。 本稿では,個別の動的ストリーム重みを特定領域に割り当てることにより,話者定位のための新しい音声視覚データ融合フレームワークを提案する。 オーディオ・ヴィジュアル・レコードを用いた性能評価は,全てのベースラインモデルより優れた融合手法により,有望な結果をもたらす。
  論文  参考訳（メタデータ） (2021-02-23T09:59:31Z)
• Noisy distributed sensing in the Bayesian regime [0.0]
  本研究では,ベイズ政権における空間依存性を考慮したスカラー信号の非局所センシングについて考察する。 我々は、最適なスケーリングを実現し、信号と空間的依存の異なるノイズ源に免疫できるスキームを設計する。
  論文  参考訳（メタデータ） (2020-03-11T14:57:28Z)

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。