Fugu-MT 論文翻訳(概要): Identifying topology of leaky photonic lattices with machine learning

論文の概要: Identifying topology of leaky photonic lattices with machine learning

arxiv url: http://arxiv.org/abs/2308.14407v1
Date: Mon, 28 Aug 2023 08:42:06 GMT
ステータス: 処理完了
システム内更新日: 2023-08-29 14:53:03.679117
Title: Identifying topology of leaky photonic lattices with machine learning
Title（参考訳）: 機械学習による漏洩フォトニック格子のトポロジー同定
Authors: Ekaterina O. Smolina, Lev A. Smirnov, Daniel Leykam, Franco Nori, Daria A. Smirnova
Abstract要約: 漏洩フォトニック格子の位相位相の分類に機械学習技術を適用する方法を示す。本稿では,バルク強度測定のみに基づく手法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We show how machine learning techniques can be applied for the classification of topological phases in leaky photonic lattices using limited measurement data. We propose an approach based solely on bulk intensity measurements, thus exempt from the need for complicated phase retrieval procedures. In particular, we design a fully connected neural network that accurately determines topological properties from the output intensity distribution in dimerized waveguide arrays with leaky channels, after propagation of a spatially localized initial excitation at a finite distance, in a setting that closely emulates realistic experimental conditions.
Abstract（参考訳）: リークフォトニック格子の位相相の分類には,限られた測定データを用いて機械学習手法を応用できることを示す。本稿では,バルク強度測定のみに基づく手法を提案する。特に,空間的局所化初期励起を有限距離で伝播させた後,拡散導波路アレイの出力強度分布から位相特性を正確に決定する完全連結ニューラルネットワークを,現実的な実験条件を密にエミュレートした環境で設計する。

関連論文リスト

Real-space detection and manipulation of topological edge modes with ultracold atoms [56.34005280792013]
光学格子におけるキラルエッジモードを実現するための実験的プロトコルを実証する。 3つの異なるフロケトポロジカルな状態において,これらのエッジモードの粒子を効率的に調製する方法を示す。本研究では, 界面にエッジモードが出現し, 電位ステップのシャープネスが変化するにつれて, 粒子の群速度がどう変化するかを検討する。
論文参考訳（メタデータ） (2023-04-04T17:36:30Z)
Retrieving space-dependent polarization transformations via near-optimal quantum process tomography [55.41644538483948]
トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
論文参考訳（メタデータ） (2022-10-27T11:37:14Z)
Enhancing Detection of Topological Order by Local Error Correction [0.5025737475817937]
本稿では,誤り訂正法と再正規化群流の考え方を組み合わせることで,位相状態の定量化のための新しいパラダイムを提案する。様々な摂動条件下でのトーリック符号の数値シミュレーションを用いてLEDのパワーを実証する。次に、Rydberg-atomシミュレータ上に生成した量子スピン液体の新しい洞察を提供する実験的な実現に適用する。
論文参考訳（メタデータ） (2022-09-26T05:31:04Z)
Observing a topological phase transition with deep neural networks from experimental images of ultracold atoms [0.0]
低信号-雑音比(SNR)実験データを用いた深部畳み込みニューラルネットワークを用いて位相相転移の同定に成功したことを報告した。我々の研究は、様々な量子システムで使用される機械学習技術の可能性を浮き彫りにしている。
論文参考訳（メタデータ） (2022-09-21T01:12:21Z)
Information Entropy Initialized Concrete Autoencoder for Optimal Sensor Placement and Reconstruction of Geophysical Fields [58.720142291102135]
そこで本稿では,スパーク計測による地場再構成のためのセンサ配置の最適化について提案する。本研究では, (a) 温度と (b) バレンツ海周辺の塩分濃度場とスバルバルド諸島群を例に示す。得られた最適センサ位置は, 物理的解釈が明確であり, 海流の境界に対応することが判明した。
論文参考訳（メタデータ） (2022-06-28T12:43:38Z)
Neural UpFlow: A Scene Flow Learning Approach to Increase the Apparent Resolution of Particle-Based Liquids [0.6882042556551611]
本稿では,深層ニューラルネットワークを用いたシーンフロー推定に基づく高分解能液体の生成手法を提案する。本手法は, 低分解能粒子ベース液体シミュレーションのみで, 小型・大規模の細部を推測, 合成する。
論文参考訳（メタデータ） (2021-06-09T15:36:23Z)
Probing the topological Anderson transition with quantum walks [48.7576911714538]
光線形ネットワークにおける1次元量子ウォークについて考察する。ウォーカーの確率分布を直接監視するオプションは、この光学プラットフォームを1次元トポロジカルアンダーソン転移のユニークなシグネチャの実験的観察に最適である。
論文参考訳（メタデータ） (2021-02-01T21:19:15Z)
Forensicability of Deep Neural Network Inference Pipelines [68.8204255655161]
本研究では,観測可能な出力に特徴的な数値偏差をトレースすることで,機械学習パイプラインの実行環境の特性を推定する手法を提案する。一連の概念実証実験の結果は、ディープニューラルネットワーク予測を生成するために使用されるハードウェアプラットフォームの識別など、法医学的な応用をもたらす。
論文参考訳（メタデータ） (2021-02-01T15:41:49Z)
Unsupervised machine learning of topological phase transitions from experimental data [52.77024349608834]
超低温原子からの実験データに教師なし機械学習技術を適用する。我々は、完全にバイアスのない方法で、ハルダンモデルの位相位相図を得る。我々の研究は、複雑な多体系における新しいエキゾチック位相の教師なし検出のためのベンチマークを提供する。
論文参考訳（メタデータ） (2021-01-14T16:38:21Z)
Unsupervised phase discovery with deep anomaly detection [0.0]
我々は、自動化された教師なし機械学習を用いてフェーズダイアグラムを探索する方法を実証する。私たちは、完全に教師なしかつ自動化された方法で、フェーズダイアグラム全体を決定するために、ディープニューラルネットワークを使用します。提案手法により, 予期せぬ特性を有する超固相と超流動相の相分離領域を明らかにすることができる。
論文参考訳（メタデータ） (2020-03-22T14:20:04Z)
Using Deep Learning to Explore Local Physical Similarity for Global-scale Bridging in Thermal-hydraulic Simulation [4.350727579753697]
現在の熱水和コードでは、実際の植物条件をシミュレートする際の信頼性が制限されている。本稿では,これらの課題を克服するためのデータ駆動型特徴類似度測定FFSMを提案する。深層学習は局所的な物理的特徴とシミュレーションエラーの関係の構築と探索に応用される。
論文参考訳（メタデータ） (2020-01-06T20:14:46Z)

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。