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
- Digitizing Touch with an Artificial Multimodal Fingertip [51.7029315337739]
人間とロボットはどちらも、周囲の環境を知覚し、相互作用するためにタッチを使うことの恩恵を受ける。
ここでは、タッチのデジタル化を改善するための概念的および技術革新について述べる。
これらの進歩は、高度なセンシング機能を備えた人工指型センサーに具現化されている。
論文 参考訳（メタデータ） (2024-11-04T18:38:50Z) - Eliminating Incoherent Noise: A Coherent Quantum Approach in Multi-Sensor Dark Matter Detection [6.685649498751827]
本稿では,複数の量子センサのネットワークにまたがる量子コヒーレンスを利用した新しい暗黒物質検出手法を提案する。
この方法は、非コヒーレントな背景雑音を効果的に除去し、検出感度を大幅に向上させる。
本稿では,解析を包括的に分析し,実数値シミュレーションで補完する。
論文 参考訳（メタデータ） (2024-10-29T18:00:03Z) - AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation
Using Intelligent Sensing System [52.93806509364342]
本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。
本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。
本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
論文 参考訳（メタデータ） (2023-12-18T12:37:35Z) - Random resistive memory-based deep extreme point learning machine for
unified visual processing [67.51600474104171]
ハードウェア・ソフトウェア共同設計型, ランダム抵抗型メモリベース深部極点学習マシン(DEPLM)を提案する。
我々の共同設計システムは,従来のシステムと比較して,エネルギー効率の大幅な向上とトレーニングコストの削減を実現している。
論文 参考訳（メタデータ） (2023-12-14T09:46:16Z) - 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) - Wide-band Unambiguous Quantum Sensing via Geodesic Evolution [11.34191332168515]
本稿では,キュービット力学を周期的に駆動するために,パイドルパルス列を利用する量子センシング技術を提案する。
この量子センシング技術の重要性は、複雑な信号の検出と複雑な量子環境の制御にまで及ぶ。
論文 参考訳（メタデータ） (2023-07-20T02:31:58Z) - High-precision and low-latency widefield diamond quantum sensing with
neuromorphic vision sensors [17.98109004256033]
ニューロモルフィック視覚センサは、検出された信号を、量子センシングのための光学的に検出された磁気共鳴測定で前処理する。
市販のイベントカメラを用いた実験では、時間分解能が13倍向上した。
開発は、高精度で低遅延の広視野量子センシングのための新しい洞察を提供する。
論文 参考訳（メタデータ） (2023-06-25T02:37:44Z) - 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) - Agile gesture recognition for capacitive sensing devices: adapting
on-the-job [55.40855017016652]
本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。
コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。
機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
論文 参考訳（メタデータ） (2023-05-12T17:24:02Z) - 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) - 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)
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。