論文の概要: A Neural Network Assisted $^{171}$Yb$^{+}$ Quantum Magnetometer
- arxiv url: http://arxiv.org/abs/2203.05849v2
- Date: Fri, 30 Dec 2022 10:05:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-22 09:31:19.078323
- Title: A Neural Network Assisted $^{171}$Yb$^{+}$ Quantum Magnetometer
- Title（参考訳）: ニューラルネットワークによる$^{171}$yb$^{+}$量子磁気センサ
- Authors: Yan Chen, Yue Ban, Ran He, Jin-Ming Cui, Yun-Feng Huang, Chuan-Feng
Li, Guang-Can Guo, and Jorge Casanova
- Abstract要約: 汎用磁気センサは、幅広いパラメータのターゲットフィールドに露出した場合、読み取り可能な応答を提供する必要がある。
我々は、適切に訓練されたニューラルネットワークと171ドルのYb$+$の原子センサーを組み合わせることで、挑戦的なシナリオにおいてターゲットフィールドを調査できることを実験的に実証した。
- 参考スコア（独自算出の注目度）: 40.61445850211335
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A versatile magnetometer must deliver a readable response when exposed to
target fields in a wide range of parameters. In this work, we experimentally
demonstrate that the combination of $^{171}$Yb$^{+}$ atomic sensors with
adequately trained neural networks enables to investigate target fields in
distinct challenging scenarios. In particular, we characterize radio frequency
(RF) fields in the presence of large shot noise, including the limit case of
continuous data acquisition via single-shot measurements. Furthermore, by
incorporating neural networks we significantly extend the working regime of
atomic magnetometers into scenarios in which the RF driving induces responses
beyond their standard harmonic behavior. Our results indicate the benefits to
integrate neural networks at the data processing stage of general quantum
sensing tasks to decipher the information contained in the sensor responses.
- Abstract（参考訳）: 多用途の磁力計は、幅広いパラメータで対象フィールドに曝されると可読性のある応答を返す必要がある。
本研究では,適切に訓練されたニューラルネットワークを用いた原子センサである$^{171}$yb$^{+}を組み合わせることで,異なる課題シナリオで対象フィールドを探索できることを実験的に実証する。
特に,単発計測による連続データ取得の限界事例を含む,大ショットノイズの存在下での無線周波数(rf)フィールドを特徴付ける。
さらに, ニューラルネットワークを組み込むことにより, 原子磁気センサの動作機構を, rf駆動が標準調和行動以上の応答を誘発するシナリオへと大きく拡張する。
本研究では,一般量子センシングタスクのデータ処理段階でニューラルネットワークを統合することで,センサ応答に含まれる情報を解読する利点を示す。
関連論文リスト
- Neuromorphic Wireless Split Computing with Multi-Level Spikes [69.73249913506042]
ニューロモルフィックコンピューティングでは、スパイクニューラルネットワーク(SNN)が推論タスクを実行し、シーケンシャルデータを含むワークロードの大幅な効率向上を提供する。
ハードウェアとソフトウェアの最近の進歩は、スパイクニューロン間で交換された各スパイクに数ビットのペイロードを埋め込むことにより、推論精度をさらに高めることを示した。
本稿では,マルチレベルSNNを用いた無線ニューロモルフィック分割計算アーキテクチャについて検討する。
論文 参考訳（メタデータ） (2024-11-07T14:08:35Z) - Quantum-enhanced learning with a controllable bosonic variational sensor network [0.40964539027092906]
絡み合ったセンサネットワーク(SLAEN)による教師付き学習
本稿では非線形データ分類タスクを処理できるSLAENを提案する。
分類誤差のしきい値現象は、プローブのエネルギーが一定のしきい値を超えると、誤差は劇的にゼロになる。
論文 参考訳（メタデータ） (2024-04-28T19:41:40Z) - Automatic Detection of Nuclear Spins at Arbitrary Magnetic Fields via Signal-to-Image AI Model [0.0]
我々は,NVセンサを取り巻く核スピンの数を自動的に推定できる信号・画像深層学習モデルを提案する。
我々のモデルは、様々な磁場シナリオに対して効果的に動作するよう訓練されており、関連する核の事前の知識を必要とせず、ノイズ信号を処理するように設計されている。
論文 参考訳（メタデータ） (2023-11-25T14:18:38Z) - Classification of multi-frequency RF signals by extreme learning, using
magnetic tunnel junctions as neurons and synapses [46.000685134136525]
磁気トンネル接合は並列に複数の周波数でRF入力を処理可能であることを示す。
極端学習と呼ばれるバックプロパゲーションフリーの手法を用いて、RF信号で符号化されたノイズの多い画像を分類する。
これらの結果は、組み込みの高周波人工知能にとって重要なステップである。
論文 参考訳（メタデータ） (2022-11-02T14:09:42Z) - 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) - Deep Impulse Responses: Estimating and Parameterizing Filters with Deep
Networks [76.830358429947]
高雑音および地中設定におけるインパルス応答推定は難しい問題である。
本稿では,ニューラル表現学習の最近の進歩に基づいて,インパルス応答のパラメータ化と推定を行う新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2022-02-07T18:57:23Z) - And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
ネットワークに十分な数のOR様ニューロンが存在すると、分類の脆さと敵の攻撃に対する脆弱性が増加する。
そこで我々は,AND様ニューロンを定義し,ネットワーク内での割合を増大させる対策を提案する。
MNISTデータセットによる実験結果から,本手法はさらなる探索の方向として有望であることが示唆された。
論文 参考訳（メタデータ） (2021-02-15T08:19:05Z) - Noise-robust classification of single-shot electron spin readouts using
a deep neural network [2.9123559461323016]
量子点接触や量子ドットといった電荷センサによる電荷状態とスピン状態の単発読み出しは、半導体スピン量子ビットの動作に欠かせない技術である。
ディープニューラルネットワーク(DNN)を用いたノイズに頑健な単一ショット読み出し分類法を提案する。
本研究では,ディープニューラルネットワーク(DNN)を用いたノイズに頑健な単一ショット読み出し分類法を提案する。
論文 参考訳（メタデータ） (2020-12-20T04:26:40Z) - Neural-network-based parameter estimation for quantum detection [0.0]
量子検出スキームの文脈では、ニューラルネットワークは自然な遊び場を見つける。
適切にトレーニングされたニューラルネットワークは、基礎となる物理モデルに関する最小限の知識でターゲットを特徴付けることができることを示す。
我々は、この手法を171ドルYbドル+原子センサーの開発で実証する。
論文 参考訳（メタデータ） (2020-12-14T16:26:05Z)
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。