論文の概要: The Challenge of Quickly Determining the Quality of a Single-Photon Source

• arxiv url: http://arxiv.org/abs/2306.15683v1
• Date: Thu, 22 Jun 2023 05:17:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-02 13:17:26.466772
• Title: The Challenge of Quickly Determining the Quality of a Single-Photon Source
• Title（参考訳）: 単一光子源の品質を迅速に決定する課題
• Authors: David Jacob Kedziora and Anna Musia{\l} and Wojciech Rudno-Rudzi\'nski and Bogdan Gabrys
• Abstract要約: 本研究では、InGaAs/GaAsエピタキシャル量子ドットから1.3mmで励起され、80MHzレーザーによって励起される8つの提案について検討する。 本研究では、機械学習技術であるデータ拡張を利用して、ブートストラップされたサンプルを用いて実験データを補足することで、新しいコントリビューションを提案する。
• 参考スコア（独自算出の注目度）: 5.486517260361978
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Novel methods for rapidly estimating single-photon source (SPS) quality, e.g. of quantum dots, have been promoted in recent literature to address the expensive and time-consuming nature of experimental validation via intensity interferometry. However, the frequent lack of uncertainty discussions and reproducible details raises concerns about their reliability. This study investigates one such proposal on eight datasets obtained from an InGaAs/GaAs epitaxial quantum dot that emits at 1.3 {\mu}m and is excited by an 80 MHz laser. The study introduces a novel contribution by employing data augmentation, a machine learning technique, to supplement experimental data with bootstrapped samples. Analysis of the SPS quality metric, i.e. the probability of multi-photon emission events, as derived from efficient histogram fitting of the synthetic samples, reveals significant uncertainty contributed by stochastic variability in the Poisson processes that describe detection rates. Ignoring this source of error risks severe overconfidence in both early quality estimates and claims for state-of-the-art SPS devices. Additionally, this study finds that standard least-squares fitting is comparable to the studied counter-proposal, expanding averages show some promise for early estimation, and reducing background counts improves fitting accuracy but does not address the Poisson-process variability. Ultimately, data augmentation demonstrates its value in supplementing physical experiments; its benefit here is to emphasise the need for a cautious assessment of SPS quality.
• Abstract（参考訳）: 量子ドットのような単一光子源(SPS)の品質を迅速に推定する新しい手法は、強度干渉法による実験検証の高価で時間を要する性質に対処するために近年普及している。 しかしながら、不確実性に関する議論や再現可能な詳細の頻繁な欠如は、信頼性に関する懸念を引き起こす。 本研究では、InGaAs/GaAsエピタキシャル量子ドットから得られる8つのデータセットについて、80MHzレーザーによって励起される1.3 {\displaystyle {\mu}mのそのような提案について検討した。 本研究では,機械学習手法であるdata augmentationを用いて実験データをブートストラップしたサンプルで補完する新たな貢献について紹介する。 合成試料の効率的なヒストグラムフィッティングから導かれる多光子放出現象の確率であるSPS品質測定値の解析は、検出率を記述したポアソン過程における確率的変動に起因する重要な不確実性を明らかにする。 このエラーの原因を無視することは、早期品質評価と最先端のSPSデバイスのクレームの両方において、重大な過信リスクを負う。 さらに本研究は, 標準最小二乗法が研究対象のカウンタープロポサールに匹敵するものであることを見出し, 拡張平均は早期推定にいくつかの期待を示し, 背景数の減少は適合精度を向上させるが, ポアソン過程の変動性には対処しないことを示した。 究極的には、データ拡張は物理実験を補完する価値を示しており、その利点は、SPS品質の慎重な評価の必要性を強調することである。

関連論文リスト

• Uncertainty Quantification in Seismic Inversion Through Integrated Importance Sampling and Ensemble Methods [2.2530496464901106]
  ディープラーニングベースの地震インバージョンでは、データノイズ、ニューラルネットワークの設計とトレーニング、固有のデータ制限など、さまざまなソースから不確実性が発生する。 本研究では, アンサンブル法と重要サンプリングを組み合わせた地震インバージョンにおける不確実性定量化手法を提案する。
  論文  参考訳（メタデータ） (2024-09-10T19:53:12Z)
• Transfer Learning and the Early Estimation of Single-Photon Source Quality using Machine Learning Methods [7.687215328455751]
  単一光子源(SPS)は多くのシステムやデバイスの中心であり、現代の量子技術の急増の中で提案されている。 しかし、製造計画が不完全であり、単一光子放射純度はインターフェロメトリーによって実験的に検証されなければならない。 本研究では,不完全排出統計からSPS品質をより高速に推定できるかどうかを検討する。
  論文  参考訳（メタデータ） (2024-08-21T04:10:38Z)
• Uncertainty-Calibrated Test-Time Model Adaptation without Forgetting [55.17761802332469]
  テスト時間適応(TTA)は、与えられたモデルw.r.t.を任意のテストサンプルに適用することにより、トレーニングデータとテストデータの間の潜在的な分散シフトに取り組むことを目指している。 事前の手法は各テストサンプルに対してバックプロパゲーションを実行するため、多くのアプリケーションに対して許容できない最適化コストがかかる。 本稿では, 有効サンプル選択基準を策定し, 信頼性および非冗長なサンプルを同定する, 効率的なアンチフォッティングテスト時間適応法を提案する。
  論文  参考訳（メタデータ） (2024-03-18T05:49:45Z)
• Mutual Wasserstein Discrepancy Minimization for Sequential Recommendation [82.0801585843835]
  逐次リコメンデーションのためのMutual WasserStein差分最小化MSteinに基づく新しい自己教師型学習フレームワークを提案する。 また,ワッサーシュタイン離散度測定に基づく新しい学習損失を提案する。
  論文  参考訳（メタデータ） (2023-01-28T13:38:48Z)
• Monotonicity and Double Descent in Uncertainty Estimation with Gaussian Processes [52.92110730286403]
  限界確率はクロスバリデーションの指標を思い起こさせるべきであり、どちらもより大きな入力次元で劣化すべきである、と一般的に信じられている。 我々は,ハイパーパラメータをチューニングすることにより,入力次元と単調に改善できることを証明した。 また、クロスバリデーションの指標は、二重降下の特徴である質的に異なる挙動を示すことも証明した。
  論文  参考訳（メタデータ） (2022-10-14T08:09:33Z)
• Nonparametric Empirical Bayes Estimation and Testing for Sparse and Heteroscedastic Signals [5.715675926089834]
  大規模な現代データは、しばしば高次元未知パラメータの推定とテストを伴う。 粗い信号、干し草の巣の針を精度と誤検出制御で識別することが望ましい。 本稿では,SNP(Spyke-and-Nonparametric mixture prior)を提案する。
  論文  参考訳（メタデータ） (2021-06-16T15:55:44Z)
• When in Doubt: Neural Non-Parametric Uncertainty Quantification for Epidemic Forecasting [70.54920804222031]
  既存の予測モデルは不確実な定量化を無視し、誤校正予測をもたらす。 不確実性を考慮した時系列予測のためのディープニューラルネットワークの最近の研究にもいくつかの制限がある。 本稿では,予測タスクを確率的生成過程としてモデル化し,EPIFNPと呼ばれる機能的ニューラルプロセスモデルを提案する。
  論文  参考訳（メタデータ） (2021-06-07T18:31:47Z)
• Stochastic Approximation for High-frequency Observations in Data Assimilation [0.0]
  高周波センサは、ダウンストリーム推定の統計的精度を高める機会を提供するが、その周波数はデータ同化タスクにおける多くの計算問題をもたらす。 データ同化における高周波観測の独特な課題に対処するために近似法を適用する。 その結果, 上記の計算問題を回避し, 推定値の統計的精度を維持する方法で, 全観測値を活用する推定値を生成することができた。
  論文  参考訳（メタデータ） (2020-11-05T06:02:27Z)
• Uncertainty Quantification in Extreme Learning Machine: Analytical Developments, Variance Estimates and Confidence Intervals [0.0]
  不確かさの定量化は、機械学習モデルの予測品質を評価するために不可欠である。 文献で提案されるほとんどの手法は、データに対して強い仮定を行い、入力重みのランダム性を無視したり、信頼区間推定におけるバイアス寄与を無視したりする。 本稿では,これらの制約を克服し,EMMの多様性の理解を向上させる新しい推定法を提案する。
  論文  参考訳（メタデータ） (2020-11-03T13:45:59Z)
• Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
  後続正則化に基づく近似ベイズ推定法を開発した。 前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-06-26T13:50:19Z)
• Balance-Subsampled Stable Prediction [55.13512328954456]
  本稿では, 分数分解設計理論に基づく新しいバランスサブサンプル安定予測法を提案する。 設計理論解析により,提案手法は分布シフトによって誘導される予測器間の共起効果を低減できることを示した。 合成および実世界の両方のデータセットに関する数値実験により、BSSPアルゴリズムは未知のテストデータ間で安定した予測を行うためのベースライン法を著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2020-06-08T07:01:38Z)

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。