論文の概要: Designing optimal linear detectors -- a bottom-up approach
- arxiv url: http://arxiv.org/abs/2110.07942v5
- Date: Fri, 6 Jan 2023 09:46:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-11 10:10:31.172121
- Title: Designing optimal linear detectors -- a bottom-up approach
- Title(参考訳): 最適線形検出器の設計 --ボトムアップアプローチ-
- Authors: Joe Bentley, Hendra Nurdin, Yanbei Chen, Xiang Li, Haixing Miao
- Abstract要約: 本稿では,線形検出器を最適感度で実現するための系統的アプローチを開発する。
一般制約は線形検出器の入力出力伝達関数の特定のクラスに基づいて導出される。
このクラスにおける転送関数の物理的実現は、量子ネットワーク合成技術を用いて見いだされる。
- 参考スコア(独自算出の注目度): 11.04648316642923
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper develops a systematic approach to realising linear detectors with
an optimised sensitivity, allowing for the detection of extremely weak signals.
First, general constraints are derived on a specific class of input-output
transfer functions of a linear detector. Then a physical realization of
transfer functions in that class is found using the quantum network synthesis
technique, which allows for the inference of the physical setup directly from
the input-output transfer function. By exploring a minimal realization which
has the minimum number of internal modes, it is shown that the optimal such
detectors are internal squeezing schemes. Then, investigating non-minimal
realizations, which is motivated by the parity-time symmetric systems, a
quantum non-demolition measurement is systematically recovered.
- Abstract(参考訳): 本稿では, 線形検出器を最適感度で実現するための系統的アプローチを開発し, 極弱信号の検出を可能にする。
まず、一般的な制約は線形検出器の入出力伝達関数の特定のクラスに導かれる。
すると、そのクラスにおける転送関数の物理的実現が量子ネットワーク合成技術を用いて見出され、入出力転送関数から直接物理セットアップを推測することができる。
最小内部モード数を持つ最小限の実現法を探索することにより、最適検出器は内部スクイーズ方式であることが示される。
そして、パリティ時間対称系に動機づけられた非最小実現を探索し、量子非退化測定を体系的に回収する。
関連論文リスト
- Compensating for non-linear distortions in controlled quantum systems [0.0]
実験プラットフォームにおける入力フィールドの歪みはモデルの精度を変化させ、予測されたダイナミクスを乱す。
任意の長さと大きさの非線形伝達関数に適した歪みを推定する有効な方法を提案する。
我々は、単一のRydberg原子系の数値的な例に対して、我々のアプローチをうまくテストした。
論文 参考訳(メタデータ) (2022-10-14T14:02:39Z) - Signal Detection in MIMO Systems with Hardware Imperfections: Message
Passing on Neural Networks [101.59367762974371]
本稿では,Multi-Input-multiple-output (MIMO)通信システムにおける信号検出について検討する。
パイロット信号が限られているディープニューラルネットワーク(DNN)のトレーニングは困難であり、実用化を妨げている。
我々は、ユニタリ近似メッセージパッシング(UAMP)アルゴリズムを利用して、効率的なメッセージパッシングに基づくベイズ信号検出器を設計する。
論文 参考訳(メタデータ) (2022-10-08T04:32:58Z) - Gradient-Based Learning of Discrete Structured Measurement Operators for
Signal Recovery [16.740247586153085]
本稿では、勾配に基づく学習を利用して離散最適化問題を解く方法について述べる。
GLODISMO (Gradient-based Learning of DIscrete Structured Measurement Operators) によるアプローチの定式化
いくつかの信号回復アプリケーションにおいて,GLODISMOの性能と柔軟性を実証的に示す。
論文 参考訳(メタデータ) (2022-02-07T18:27:08Z) - Deep Learning Approximation of Diffeomorphisms via Linear-Control
Systems [91.3755431537592]
我々は、制御に線形に依存する$dot x = sum_i=1lF_i(x)u_i$という形の制御系を考える。
対応するフローを用いて、コンパクトな点のアンサンブル上の微分同相写像の作用を近似する。
論文 参考訳(メタデータ) (2021-10-24T08:57:46Z) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳(メタデータ) (2021-06-24T15:58:57Z) - Sample-Efficient Reinforcement Learning Is Feasible for Linearly
Realizable MDPs with Limited Revisiting [60.98700344526674]
線形関数表現のような低複雑度モデルがサンプル効率のよい強化学習を可能にする上で重要な役割を果たしている。
本稿では,オンライン/探索的な方法でサンプルを描画するが,制御不能な方法で以前の状態をバックトラックし,再訪することができる新しいサンプリングプロトコルについて検討する。
この設定に合わせたアルゴリズムを開発し、特徴次元、地平線、逆の準最適ギャップと実際にスケールするサンプル複雑性を実現するが、状態/作用空間のサイズではない。
論文 参考訳(メタデータ) (2021-05-17T17:22:07Z) - Deep learning with transfer functions: new applications in system
identification [0.0]
本稿では,自動微分計算のためのよく定義された効率的なバックプロパゲーション挙動を付与した線形動的作用素を提案する。
このオペレータは、線形転送関数と他の微分可能なユニットを含む構造化ネットワークのエンドツーエンドトレーニングを可能にする。
論文 参考訳(メタデータ) (2021-04-20T08:58:55Z) - Linear Ascending Metrological Algorithm [0.0]
干渉効果を利用した量子デバイスと新しい量子アルゴリズムの最近の進歩は、有害なノイズティラニーを克服する新たな経路を開拓している。
我々は,デコヒーリング量子系を用いて連続的な分散変数を計測する要求状況において,その精度を著しく向上させる線形蓄積型メトロロジカルアルゴリズム(LAMA)を考案した。
本研究は, 減痛作用と緩和作用を緩和する量子メソジカルな方法であることを示す。
論文 参考訳(メタデータ) (2021-03-24T12:40:43Z) - Activation Relaxation: A Local Dynamical Approximation to
Backpropagation in the Brain [62.997667081978825]
活性化緩和(AR)は、バックプロパゲーション勾配を力学系の平衡点として構成することで動機付けられる。
我々のアルゴリズムは、正しいバックプロパゲーション勾配に迅速かつ堅牢に収束し、単一のタイプの計算単位しか必要とせず、任意の計算グラフで操作できる。
論文 参考訳(メタデータ) (2020-09-11T11:56:34Z) - Fast inversion, preconditioned quantum linear system solvers, and fast
evaluation of matrix functions [4.327821619134312]
量子線形系を解くためのプレコンディショナーとして使用できる高速反転と呼ばれる量子プリミティブを導入する。
量子多体系の単一粒子グリーン関数の計算における事前条件付き線形システム解法の適用例を示す。
論文 参考訳(メタデータ) (2020-08-30T23:24:58Z) - Understanding Implicit Regularization in Over-Parameterized Single Index
Model [55.41685740015095]
我々は高次元単一インデックスモデルのための正規化自由アルゴリズムを設計する。
暗黙正則化現象の理論的保証を提供する。
論文 参考訳(メタデータ) (2020-07-16T13:27:47Z)
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。