論文の概要: Enhanced Quantum Force Sensing by Digital Twinning of Atomic
Bose-Einstein Condensates
- arxiv url: http://arxiv.org/abs/2307.00484v1
- Date: Sun, 2 Jul 2023 06:10:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-05 15:44:00.759787
- Title: Enhanced Quantum Force Sensing by Digital Twinning of Atomic
Bose-Einstein Condensates
- Title(参考訳): 原子ボース-アインシュタイン凝縮体のデジタルツインニングによる量子力センシング
- Authors: Tangyou Huang, Zhongcheng Yu, Zhongyi Ni, Xiaoji Zhou, and Xiaopeng Li
- Abstract要約: 高感度検出は、科学的発見と技術応用において重要な役割を担っている。
本稿では,弱い信号検出感度を著しく向上させるために,機械学習の能力を活用する革新的な手法を提案する。
原子ボース-アインシュタイン凝縮体(BEC)からの飛行時間測定に基づいて生成機械学習モデルを訓練することにより、実験システムのデジタル双極子を作成する。
感度は1.7(4)times10-25N/sqrtHz$に達する。
- 参考スコア(独自算出の注目度): 2.3961080284896954
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: High sensitivity detection plays a vital role in science discoveries and
technological applications. The advancement of sensitivity has been pivotal in
expanding their boundaries. While intriguing methods utilizing collective
many-body correlations and quantum entanglements have been developed in physics
to enhance sensitivity, their practical implementation remains challenging due
to rigorous technological requirements. Here, we propose an innovative approach
that harnesses the capabilities of machine learning, to significantly augment
weak-signal detection sensitivity. By training a generative machine learning
model on time-of-flight measurements from atomic Bose-Einstein condensates
(BEC), we create a digital twinning of the experimental system, accurately
matching probabilistic distributions. The digital replica is capable of
generating both typical and atypical configurations, mirroring the fluctuations
observed in experimental measurements caused by quantum shot-noise and
technical noise. An anomaly score, quantifying the level of configuration
atypicality, is obtained through the machine learning model. When an external
force is applied, it perturbs the measurement outcomes of the physical system.
Remarkably, even a weakly affected physical system can be detected by the
machine learning model by examining the anomaly score, enabling anomaly
detection. This unconventional approach to force sensing is entirely
data-driven, devoid of prior knowledge about the physical system or assumptions
regarding the sensing process. Our findings demonstrate a significant
advancement in sensitivity, achieving an order of magnitude improvement over
conventional protocols in detecting a weak force of approximately $10^{-25}N$.
The resulting sensitivity reaches $1.7(4)\times10^{-25}N/\sqrt{Hz}$.
- Abstract(参考訳): 高感度検出は、科学的発見と技術応用において重要な役割を果たす。
感度の進歩は、その境界を広げる上で重要である。
集合多体相関と量子エンタングルメントを利用した興味深い手法は、感度を高めるために物理学で開発されているが、厳密な技術的要求のために実践的な実装は難しいままである。
本稿では,機械学習の能力を活用し,弱信号検出感度を著しく向上させる革新的な手法を提案する。
原子ボース・アインシュタイン凝縮体(BEC)からの飛行時間測定に基づいて生成機械学習モデルを訓練することにより、確率分布を正確に一致させて実験システムのデジタルツインニングを作成する。
デジタルレプリカは、典型的な構成と非定型構成の両方を生成でき、量子ショットノイズと技術的ノイズによる実験的測定で観測された変動を反映することができる。
機械学習モデルを用いて、構成非定型性のレベルを定量化する異常スコアを得る。
外部力が作用すると、物理系の測定結果に摂動する。
驚くべきことに、異常スコアを調べることで、機械学習モデルによって弱影響の物理システムさえ検出することができ、異常検出が可能になる。
フォースセンシングに対するこの非伝統的なアプローチは完全にデータ駆動であり、物理システムに関する事前の知識やセンシングプロセスに関する仮定を欠いている。
その結果,感度が著しく向上し,約10^{-25}N$の弱い力を検出するため,従来のプロトコルよりも格段に向上した。
感度は1.7(4)\times10^{-25}N/\sqrt{Hz}$に達する。
関連論文リスト
- 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) - Optical Quantum Sensing for Agnostic Environments via Deep Learning [59.088205627308]
本稿では,革新的な深層学習に基づく量子センシング手法を提案する。
これにより、光学量子センサーは、非依存環境でハイゼンベルク限界(HL)に達することができる。
我々の発見は、光学量子センシングタスクを加速する新しいレンズを提供する。
論文 参考訳(メタデータ) (2023-11-13T09:46:05Z) - Machine learning enabled experimental design and parameter estimation
for ultrafast spin dynamics [54.172707311728885]
機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。
本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。
数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
論文 参考訳(メタデータ) (2023-06-03T06:19:20Z) - Robotic vectorial field alignment for spin-based quantum sensors [2.8770761243361593]
磁石を装着したロボットアームは、標準的な技術では達成不可能な挑戦条件下で、NV中心の量子磁気センサを感知できることを示す。
我々の研究は、制約された設定で多くの量子自由度を統合する可能性を開く。
論文 参考訳(メタデータ) (2023-05-26T15:36:24Z) - Sub-nanotesla Sensitivity at the Nanoscale with a Single Spin [11.230326490436141]
ナノスケールでの0.5$bfnT/sqrtHz$の感度は,ダイヤモンド中の窒素空孔欠陥を用いて実験的に達成される。
達成された感度は、複数の量子技術を統合することで大幅に向上する。
論文 参考訳(メタデータ) (2022-05-09T16:42:54Z) - Neurosymbolic hybrid approach to driver collision warning [64.02492460600905]
自律運転システムには2つの主要なアルゴリズムアプローチがある。
ディープラーニングだけでは、多くの分野で最先端の結果が得られています。
しかし、ディープラーニングモデルが機能しない場合、デバッグが非常に難しい場合もあります。
論文 参考訳(メタデータ) (2022-03-28T20:29:50Z) - Quantum Sensors for High Precision Measurements of Spin-dependent
Interactions [47.187609203210705]
近年,量子情報科学のための実験手法や技術が急速に進歩している。
スピンベースの量子センサーは、無数の現象を探索するのに使うことができる。
スピンベースの量子センサーは、粒子衝突器や大規模粒子検出器を補完する基礎物理学のテストのための方法論を提供する。
論文 参考訳(メタデータ) (2022-03-17T17:36:48Z) - Detecting and Diagnosing Terrestrial Gravitational-Wave Mimics Through
Feature Learning [0.7388859384645262]
本稿では,超複雑系の突発的過渡異常を検知し,特徴付ける手法の実証について述べる。
重力波の発見を制限する問題の1つは、地球起源のノイズアーティファクトである。
我々は,高度に解釈可能な畳み込み分類器が,補助検出器データから過渡的異常を自動的に検出する方法を示す。
論文 参考訳(メタデータ) (2022-03-09T23:39:41Z) - 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) - Neural network quantum state tomography in a two-qubit experiment [52.77024349608834]
機械学習にインスパイアされた変分法は、量子シミュレータのスケーラブルな状態キャラクタリゼーションへの有望な経路を提供する。
本研究では,2ビットの絡み合った状態を生成する実験から得られた測定データに適用することにより,いくつかの手法をベンチマークし比較する。
実験的な不完全性やノイズの存在下では、変動多様体を物理状態に収束させることで、再構成された状態の質が大幅に向上することがわかった。
論文 参考訳(メタデータ) (2020-07-31T17:25:12Z) - Quantum Sensing by Using STIRAP with Dressed States Driving [4.963201371632538]
本稿では,刺激されたラマン断熱路における装身状態駆動(DSD)に基づく新しい量子センシングモデルを提案する。
このモデルは磁場、質量、回転など様々な物理量を検出するために普遍的である。
論文 参考訳(メタデータ) (2020-03-16T01:58:03Z)
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。