論文の概要: Deep learning enhanced noise spectroscopy of a spin qubit environment
- arxiv url: http://arxiv.org/abs/2301.05079v2
- Date: Wed, 10 May 2023 07:52:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-11 16:58:01.002430
- Title: Deep learning enhanced noise spectroscopy of a spin qubit environment
- Title(参考訳): スピン量子ビット環境における深層学習によるノイズスペクトロスコピー
- Authors: Stefano Martina, Santiago Hern\'andez-G\'omez, Stefano Gherardini,
Filippo Caruso, Nicole Fabbri
- Abstract要約: 実験により、ニューラルネットワークを用いることで、ノイズスペクトロスコピーの精度を高い精度で向上させることができることを示す。
ディープラーニングモデルは、標準的なDDノイズ分光法よりも正確である。
- 参考スコア(独自算出の注目度): 5.186945902380689
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The undesired interaction of a quantum system with its environment generally
leads to a coherence decay of superposition states in time. A precise knowledge
of the spectral content of the noise induced by the environment is crucial to
protect qubit coherence and optimize its employment in quantum device
applications. We experimentally show that the use of neural networks can highly
increase the accuracy of noise spectroscopy, by reconstructing the power
spectral density that characterizes an ensemble of carbon impurities around a
nitrogen-vacancy (NV) center in diamond. Neural networks are trained over spin
coherence functions of the NV center subjected to different Carr-Purcell
sequences, typically used for dynamical decoupling (DD). As a result, we
determine that deep learning models can be more accurate than standard DD
noise-spectroscopy techniques, by requiring at the same time a much smaller
number of DD sequences.
- Abstract(参考訳): 量子系と環境との望ましくない相互作用は、一般に時間における重ね合わせ状態のコヒーレンス崩壊を引き起こす。
環境によって引き起こされる雑音のスペクトル成分の正確な知識は、量子ビットコヒーレンスを保護し、量子デバイス応用におけるその雇用を最適化するために重要である。
本研究では, ダイヤモンド中の窒素空孔(nv)中心付近の炭素不純物のアンサンブルを特徴付けるパワースペクトル密度を再構成することにより, ニューラルネットワークの利用によりノイズスペクトルの精度が高まることを実験的に示す。
ニューラルネットワークは、異なるカーパーセル配列のnv中心のスピンコヒーレンス関数に基づいて訓練され、典型的には動的デカップリング(dd)に用いられる。
その結果, 標準ddノイズスペクトロメトリー法よりも, はるかに少ないdd系列を必要とすることで, 深層学習モデルの方が精度が高いことが判明した。
関連論文リスト
- Benign Overfitting in Deep Neural Networks under Lazy Training [72.28294823115502]
データ分布が適切に分離された場合、DNNは分類のためのベイズ最適テスト誤差を達成できることを示す。
よりスムーズな関数との補間により、より一般化できることを示す。
論文 参考訳(メタデータ) (2023-05-30T19:37:44Z) - Digital noise spectroscopy with a quantum sensor [57.53000001488777]
本稿では,ノイズプロセスの自己相関をサンプリングし,再構成するための量子センシングプロトコルを実験的に導入し,実証する。
ウォルシュノイズ分光法はスピンフリップパルスの単純な配列を利用してディジタルフィルタの完全基底を生成する。
ダイヤモンド中の単一窒素空孔中心の電子スピン上での核スピン浴により生じる有効磁場の自己相関関数を実験的に再構成した。
論文 参考訳(メタデータ) (2022-12-19T02:19:35Z) - All-Optical Nuclear Quantum Sensing using Nitrogen-Vacancy Centers in
Diamond [52.77024349608834]
マイクロ波または高周波駆動は、量子センサーの小型化、エネルギー効率、非侵襲性を著しく制限する。
我々は、コヒーレント量子センシングに対する純粋に光学的アプローチを示すことによって、この制限を克服する。
この結果から, 磁気学やジャイロスコープの応用において, 量子センサの小型化が期待できる。
論文 参考訳(メタデータ) (2022-12-14T08:34:11Z) - Nanoscale covariance magnetometry with diamond quantum sensors [0.0]
ダイヤモンド中の窒素空孔(NV)中心は、長いスピンコヒーレンス時間を持つ原子スケール欠陥である。
多くの単一NV中心実験を平均すると、両方の技術は情報を捨てる。
ここでは、2つ以上のNV中心を同時に測定する新しいセンシングモードを提案し,実装する。
論文 参考訳(メタデータ) (2022-09-19T01:46:19Z) - 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) - Momentum Diminishes the Effect of Spectral Bias in Physics-Informed
Neural Networks [72.09574528342732]
物理インフォームドニューラルネットワーク(PINN)アルゴリズムは、偏微分方程式(PDE)を含む幅広い問題を解く上で有望な結果を示している。
彼らはしばしば、スペクトルバイアスと呼ばれる現象のために、ターゲット関数が高周波の特徴を含むとき、望ましい解に収束しない。
本研究は, 運動量による勾配降下下で進化するPINNのトレーニングダイナミクスを, NTK(Neural Tangent kernel)を用いて研究するものである。
論文 参考訳(メタデータ) (2022-06-29T19:03:10Z) - The Spectral Bias of Polynomial Neural Networks [63.27903166253743]
PNN(Polynomial Neural Network)は、高頻度情報を重要視する画像生成と顔認識に特に有効であることが示されている。
これまでの研究では、ニューラルネットワークが低周波関数に対して$textitspectral bias$を示しており、トレーニング中に低周波成分のより高速な学習をもたらすことが示されている。
このような研究に触発されて、我々はPNNのTangent Kernel(NTK)のスペクトル分析を行う。
我々は、最近提案されたPNNのパラメトリゼーションである$Pi$-Netファミリがスピードアップすることを発見した。
論文 参考訳(メタデータ) (2022-02-27T23:12:43Z) - All-optical noise spectroscopy of a solid-state spin [0.0]
ノイズスペクトロスコピーはスピン系の基本ノイズ源を解明する。
マイクロ波力の弱さがスピンのラビ回転を発生させるには、マイクロ波場に依存する既存のノイズスペクトロスコピー技術は実現不可能である。
ここでは、ノイズスペクトロスコピーを行うための代替の全光学的アプローチを示す。
論文 参考訳(メタデータ) (2021-09-08T02:47:15Z) - 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) - Resonant Excitation and Purcell Enhancement of Coherent Nitrogen-Vacancy
Centers Coupled to a Fabry-P\'{e}rot Micro-Cavity [0.0]
ダイヤモンド中の窒素空孔(NV)中心は量子ネットワークの主構成要素として確立されている。
表面近傍のNV中心の粗い光コヒーレンスは、エンタングルメント生成に必要な共振光制御をこれまで防いできた。
ファイバキャビティ結合型NV中心の共振アドレッシングとPurcell-enhanent Photon放射の収集について述べる。
論文 参考訳(メタデータ) (2020-09-17T10:48:16Z)
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。