論文の概要: Efficient real-time spin readout of nitrogen-vacancy centers based on Bayesian estimation

• arxiv url: http://arxiv.org/abs/2302.06310v1
• Date: Mon, 13 Feb 2023 12:19:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-14 15:38:45.146647
• Title: Efficient real-time spin readout of nitrogen-vacancy centers based on Bayesian estimation
• Title（参考訳）: ベイズ推定に基づく窒素空洞中心の効率的な実時間スピン読み出し
• Authors: Jixing Zhang, Tianzheng Liu, Sigang Xia, Guodong Bian, Pengcheng Fan, Mingxin Li, Sixian Wang, Xiangyun Li, Chen Zhang, Shaoda Zhang, and Heng Yuan
• Abstract要約: 窒素空孔(NV)中心のスピン読み出し効率を改善するために,実時間ベイズ推定アルゴリズムを提案する。 ベイズ推定の読み出しは,NVアンサンブルのより優れた知覚能力を効果的に発揮することが期待されている。
• 参考スコア（独自算出の注目度）: 2.759631614157892
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, to improve the spin readout efficiency of the nitrogen vacancy (NV) center, a real-time Bayesian estimation algorithm is proposed, which combines both the prior probability distribution and the fluorescence likelihood function established by the implementation of the NV center dynamics model. The theoretical surpass of the Cramer-Rao lower bound of the readout variance and the improvement of the readout efficiency in the simulation indicate that our approach is an appealing alternative to the conventional photon summation method. The Bayesian real-time estimation readout was experimentally realized by combining a high-performance acquisition and processing hardware, and the Rabi oscillation experiments divulged that the signal-to-noise ratio of our approach was improved by 28.6%. Therefore, it is anticipated that the employed Bayesian estimation readout will effectively present superior sensing capabilities of the NV ensemble, and foster the further development of compact and scalable quantum sensors and consequently novel quantum information processing devices on a monolithic platform.
• Abstract（参考訳）: 本研究では,窒素空孔(NV)中心のスピン読み出し効率を向上させるために,NV中心動力学モデルにより確立された先行確率分布と蛍光確率関数を併用した実時間ベイズ推定アルゴリズムを提案する。 理論上, 読み出し分散のクレーダ・ラオ下限を超過し, シミュレーションにおける読み出し効率の向上は, 従来の光子総和法に代わる魅力的な方法であることを示している。 ベイズ実時間推定読み出しは高性能取得・処理ハードウェアを組み合わせることで実験的に実現され,rabi振動実験では,提案手法の信号対雑音比が28.6%向上した。 したがって、ベイズ推定読み出しは、NVアンサンブルの優れた知覚能力を効果的に発揮し、コンパクトでスケーラブルな量子センサのさらなる開発を促進し、その結果、モノリシックなプラットフォーム上で新しい量子情報処理装置を開発することが期待されている。

関連論文リスト

• QuaCK-TSF: Quantum-Classical Kernelized Time Series Forecasting [7.945302052915863]
  本稿では,このベイズ手法のロバスト性と,量子モデルにおけるカーネル・パースペクティブから得られるニュアンスド・インサイトとを融合した新しいアプローチを提案する。 我々はIsingの相互作用にインスパイアされた量子特徴写像を組み込み、正確な予測に不可欠な時間的依存関係のキャプチャーの有効性を実証する。
  論文  参考訳（メタデータ） (2024-08-21T21:39:31Z)
• Poisson Process for Bayesian Optimization [126.51200593377739]
  本稿では、Poissonプロセスに基づくランキングベースの代理モデルを提案し、Poisson Process Bayesian Optimization(PoPBO)と呼ばれる効率的なBOフレームワークを提案する。 従来のGP-BO法と比較すると,PoPBOはコストが低く,騒音に対する堅牢性も良好であり,十分な実験により検証できる。
  論文  参考訳（メタデータ） (2024-02-05T02:54:50Z)
• Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
  本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。 我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。 シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
  論文  参考訳（メタデータ） (2024-01-29T02:08:40Z)
• Modeling and Experimental Validation of the Intrinsic SNR in Spin Qubit Gate-Based Readout and Its Impacts on Readout Electronics [0.6531223920356081]
  半導体スピン量子ビット(量子ビット)では、高周波ゲートベースの読み出しは将来の大規模統合のための有望な解決策である。 本稿では、読み出しプローブパワー、読み出しチェーンのノイズ性能、固有読み出し信号-雑音比(SNR)に対する積分時間など、様々なパラメータの効果を評価するための理論的枠組みを提案する。 読み出し中のスピン量子ビットの物理を解析することにより、キュービットの量子力学的性質を考慮に入れた量子ビットの読み出しモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-14T14:41:12Z)
• Towards a Realistic Model for Cavity-Enhanced Atomic Frequency Comb Quantum Memories [1.0197010747159545]
  原子周波数コム(AFC)量子メモリは、長距離量子通信において好ましいプロトコルである。 非対称光学キャビティ内にAFCを配置すると、貯蔵効率が向上するが、コム特性の測定は困難である。 本研究では,分散効果を含む空洞型AFC量子メモリの理論モデルを開発した。
  論文  参考訳（メタデータ） (2023-09-19T05:33:01Z)
• A Fast and Stable Marginal-Likelihood Calibration Method with Application to Quantum Characterization [0.0]
  我々はケネディ・オハガン(KOH)ベイズ的枠組みに統合された限界的可能性戦略を提案する。 提案手法は,大規模データセットにおいても,計算効率が高く,数値的に安定である。
  論文  参考訳（メタデータ） (2023-08-24T04:39:18Z)
• Non-Parametric Learning of Stochastic Differential Equations with Non-asymptotic Fast Rates of Convergence [65.63201894457404]
  非線形微分方程式のドリフトと拡散係数の同定のための新しい非パラメトリック学習パラダイムを提案する。 鍵となる考え方は、基本的には、対応するフォッカー・プランク方程式のRKHSに基づく近似をそのような観測に適合させることである。
  論文  参考訳（メタデータ） (2023-05-24T20:43:47Z)
• Promises and Pitfalls of the Linearized Laplace in Bayesian Optimization [73.80101701431103]
  線形化ラプラス近似(LLA)はベイズニューラルネットワークの構築に有効で効率的であることが示されている。 ベイズ最適化におけるLLAの有用性について検討し,その性能と柔軟性を強調した。
  論文  参考訳（メタデータ） (2023-04-17T14:23:43Z)
• D4FT: A Deep Learning Approach to Kohn-Sham Density Functional Theory [79.50644650795012]
  コーンシャム密度汎関数論(KS-DFT)を解くための深層学習手法を提案する。 このような手法はSCF法と同じ表現性を持つが,計算複雑性は低下する。 さらに,本手法により,より複雑なニューラルベース波動関数の探索が可能となった。
  論文  参考訳（メタデータ） (2023-03-01T10:38:10Z)
• Ensemble Reservoir Computing for Dynamical Systems: Prediction of Phase-Space Stable Region for Hadron Storage Rings [0.0]
  Echo State Networks (ESN) は、計算に有効なリカレントニューラルネットワークのクラスである。 本研究では、位相空間安定性領域の予測に基づいて、ESNが到達した性能を示す。 提案手法は動的開口範囲の時間進化を効果的に予測できる。
  論文  参考訳（メタデータ） (2023-01-17T10:29:07Z)
• Neural Importance Sampling for Rapid and Reliable Gravitational-Wave Inference [59.040209568168436]
  まず、ニューラルネットワークを用いてベイズ後部への高速な提案を行い、その基礎となる可能性と事前に基づいて重み付けを行う。 本発明は,(1)ネットワーク不正確性のない修正後部,(2)提案案の評価と故障事例の同定のための性能診断(サンプル効率),(3)ベイズ証拠の偏りのない推定を提供する。 LIGOとVirgoで観測された42個のブラックホールをSEOBNRv4PHMとIMRPhenomHMXP波形モデルで解析した。
  論文  参考訳（メタデータ） (2022-10-11T18:00:02Z)

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。