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
- How to harness high-dimensional temporal entanglement, using limited
interferometry setups [62.997667081978825]
偏極時間領域における高次元エンタングルメントの最初の完全解析法を開発した。
本稿では,量子鍵分布において,関連する密度行列要素とセキュリティパラメータを効率的に認証する方法を示す。
自由空間量子通信の耐雑音性をさらに高める新しい構成を提案する。
論文 参考訳(メタデータ) (2023-08-08T17:44:43Z) - 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) - Toward deep-learning-assisted spectrally-resolved imaging of magnetic
noise [52.77024349608834]
本研究では,基礎となるゆらぎ磁場のスペクトル密度を効率的に再構成するディープニューラルネットワークを実装した。
これらの結果は、色中心に基づくナノスケールセンシングとイメージングに機械学習手法を適用する機会を生み出す。
論文 参考訳(メタデータ) (2022-08-01T19:18:26Z) - 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) - Positional Encoding as Spatial Inductive Bias in GANs [97.6622154941448]
SinGANは限られた有効な受容器分野にもかかわらず内部パッチ配分の学習の印象的な機能を示します。
本研究では,発電機のパディングゼロ時における暗黙的位置符号化によって,このような能力が大幅にもたらされることを示した。
本稿では,新しいマルチスケール学習戦略を提案し,その効果を最新型無条件発電機stylegan2で実証する。
論文 参考訳(メタデータ) (2020-12-09T18:27:16Z) - 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) - Versatile Atomic Magnetometry Assisted by Bayesian Inference [0.0]
量子センサーは外部の磁場を周期応答に変換し、その周波数はフーリエ空間で実行される解析によって決定される。
しかし実際には、量子センサーは振幅と周波数の狭い範囲でしかフィールドを検出できない。
この範囲から離れたことと、重要なノイズ源の存在、短い検出時間の存在は、センサーの応答とターゲットフィールドとの線形関係を喪失させる。
論文 参考訳(メタデータ) (2020-03-04T16:01:26Z)
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。