Fugu-MT 論文翻訳(概要): Non-adaptive Heisenberg-limited metrology with multi-channel homodyne measurements

論文の概要: Non-adaptive Heisenberg-limited metrology with multi-channel homodyne measurements

arxiv url: http://arxiv.org/abs/2110.03582v1
Date: Thu, 7 Oct 2021 16:03:38 GMT
ステータス: 処理完了
システム内更新日: 2023-03-12 05:41:45.866028
Title: Non-adaptive Heisenberg-limited metrology with multi-channel homodyne measurements
Title（参考訳）: マルチチャネルホモダイン測定を用いた非適応ハイゼンベルク制限型メトロロジー
Authors: Danilo Triggiani, Paolo Facchi, Vincenzo Tamma
Abstract要約: 一般線形ネットワークに符号化されたパラメータの推定において,最終的なハイゼンベルクスケーリング感度を実現するプロトコルを示す。結果として、このプロトコルはパラメータの事前の粗い推定やネットワークの適応を必要としない。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We show a protocol achieving the ultimate Heisenberg-scaling sensitivity in the estimation of a parameter encoded in a generic linear network, without employing any auxiliary networks, and without the need of any prior information on the parameter nor on the network structure. As a result, this protocol does not require a prior coarse estimation of the parameter, nor an adaptation of the network. The scheme we analyse consists of a single-mode squeezed state and homodyne detectors in each of the $M$ output channels of the network encoding the parameter, making it feasible for experimental applications.
Abstract（参考訳）: 汎用線形ネットワークで符号化されたパラメータの推定において,補助ネットワークを用いず,パラメータやネットワーク構造に関する事前情報も必要とせず,究極のハイゼンベルク・スケーリング感度を達成するプロトコルを示す。結果として、このプロトコルはパラメータの事前の粗い推定やネットワークの適応を必要としない。パラメータを符号化するネットワークのM$出力チャネルのそれぞれに、単一モードの圧縮状態とホモダイン検出器で構成されており、実験的な用途で実現可能である。

関連論文リスト

Joint Bayesian Inference of Graphical Structure and Parameters with a Single Generative Flow Network [59.79008107609297]
本稿では,ベイジアンネットワークの構造上の結合後部を近似する手法を提案する。サンプリングポリシが2フェーズプロセスに従う単一のGFlowNetを使用します。パラメータは後部分布に含まれるため、これは局所確率モデルに対してより柔軟である。
論文参考訳（メタデータ） (2023-05-30T19:16:44Z)
A Directed-Evolution Method for Sparsification and Compression of Neural Networks with Application to Object Identification and Segmentation and considerations of optimal quantization using small number of bits [0.0]
この研究は、ニューラルネットワークのスパーシフィケーションのためのDirected-Evolution法を紹介する。ネットワーク精度に対するパラメータの関連性を直接評価する。仮にゼロになったときの精度に最小の影響をもたらすパラメータは、実際にはゼロである。
論文参考訳（メタデータ） (2022-06-12T23:49:08Z)
On the Effective Number of Linear Regions in Shallow Univariate ReLU Networks: Convergence Guarantees and Implicit Bias [50.84569563188485]
我々は、ラベルが$r$のニューロンを持つターゲットネットワークの符号によって決定されるとき、勾配流が方向収束することを示す。我々の結果は、標本サイズによらず、幅が$tildemathcalO(r)$である、緩やかなオーバーパラメータ化をすでに維持しているかもしれない。
論文参考訳（メタデータ） (2022-05-18T16:57:10Z)
NUQ: Nonparametric Uncertainty Quantification for Deterministic Neural Networks [151.03112356092575]
本研究では,Nadaraya-Watson の条件付きラベル分布の非パラメトリック推定に基づく分類器の予測の不確かさの測定方法を示す。種々の実世界の画像データセットにおける不確実性推定タスクにおいて,本手法の強い性能を示す。
論文参考訳（メタデータ） (2022-02-07T12:30:45Z)
NOTMAD: Estimating Bayesian Networks with Sample-Specific Structures and Parameters [70.55488722439239]
提案するNOTMADは,サンプルコンテキストに応じてアーキティパルネットワークの混合を学習する。患者固有の遺伝子発現ネットワークを含む分析および実験を通じて,NOTMADとサンプル特異的ネットワーク推論の有用性を実証する。
論文参考訳（メタデータ） (2021-11-01T17:17:34Z)
Blind Coherent Preamble Detection via Neural Networks [2.2063018784238984]
ニューラルネットワーク(NN)シークエンス検出器とタイミング先進推定器を提案する。 NNによるプリアンブル検出のプロセス全体を置き換えるものではない。本稿では,通信路効果を補うために,検出器内の信号を組み合わせたテキストブロードコヒーレントにのみNNを用いることを提案する。
論文参考訳（メタデータ） (2021-09-30T09:53:49Z)
Semiparametric Bayesian Networks [5.205440005969871]
パラメトリックおよび非パラメトリック条件付き確率分布を組み合わせた半パラメトリックベイズネットワークを提案する。彼らの目的は、パラメトリックモデルの有界複雑性と非パラメトリックモデルの柔軟性を統合することである。
論文参考訳（メタデータ） (2021-09-07T11:47:32Z)
Heisenberg scaling precision in the estimation of functions of parameters [0.0]
一般の$M$チャネル線形ネットワークで符号化された任意のパラメータの任意の数$l$の関数の推定において,ハイゼンベルクのスケーリング精度に達するメロジカル戦略を提案する。 2つの補助線形ネットワークが必要であり、その役割は2つある: 干渉計と相互作用した後、信号が単一チャネルに再焦点され、線形ネットワークの分析により推定されるパラメータの関数が固定される。
論文参考訳（メタデータ） (2021-03-15T17:28:15Z)
Sampling asymmetric open quantum systems for artificial neural networks [77.34726150561087]
非対称な開系に対する高速収束時間と高いスケーラビリティを実現し,非対称性を考慮したハイブリッドサンプリング戦略を提案する。我々は、ニューラルネットワークの普遍的適用性を強調し、ニューラルネットワークの普遍的適用性を概説する。
論文参考訳（メタデータ） (2020-12-20T18:25:29Z)
Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
論文参考訳（メタデータ） (2020-04-06T15:51:00Z)
Typicality of Heisenberg scaling precision in multi-mode quantum metrology [0.0]
本稿では,一般的な$M$-port線形ネットワークにエンコードされたパラメータ$varphi$を推定するために,ハイゼンベルクのスケーリング精度に達する測定設定を提案する。 M$の大きい値と非適応ステージのランダムな(バイアスのない)選択の場合、このプレファクタはパラメータ$varphi$を線形ネットワークに符号化することで制御できる典型的な値を取る。
論文参考訳（メタデータ） (2020-03-27T17:34:39Z)

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。