論文の概要: Properties of new even and odd nonlinear coherent states with different
parameters
- arxiv url: http://arxiv.org/abs/2401.00149v1
- Date: Sat, 30 Dec 2023 06:07:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-03 18:42:17.123056
- Title: Properties of new even and odd nonlinear coherent states with different
parameters
- Title(参考訳): 異なるパラメータを持つ新しい偶数および奇数非線形コヒーレント状態の性質
- Authors: Cheng Zhang, Rui-Jiao Miao, Xiao-Qiu Qi
- Abstract要約: 偶数および奇数 NLCS の新しいタイプの非古典的性質は非線形関数に依存する。
新しいNLCSは光子結合効果を示すが、新しい奇妙なNLCSは光子結合効果を示す。
- 参考スコア(独自算出の注目度): 5.870425936223879
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We construct a class of nonlinear coherent states (NLCSs) by introducing a
more general nonlinear function and study their non-classical properties,
specifically the second-order correlation function $g^{(2)}(0)$, Mandel
parameter $Q$, squeezing, amplitude squared squeezing and Wigner function of
the optical field. The results indicate that the non-classical properties of
the new types of even and odd NLCSs crucially depend on nonlinear functions.
More concretely, we find that the new even NLCSs could exhibit the
photon-bunching effect whereas the new odd NLCSs could show photon-antibunching
effect. The degree of squeezing is also significantly affected by the parameter
selection of these NLCSs. By employing various forms of nonlinear functions, it
becomes possible to construct NLCSs with diverse properties, thereby providing
a theoretical foundation for corresponding experimental investigations.
- Abstract(参考訳): より一般的な非線形関数を導入して非線形コヒーレント状態(NLCS)のクラスを構築し、その非古典的性質、具体的には2階相関関数 $g^{(2)}(0)$, Mandel parameter $Q$, squeezing, 振幅二乗スキーズおよび光場のウィグナー関数について研究する。
その結果,新タイプの偶数および奇数NLCSの非古典的性質が非線形関数に決定的に依存していることが示唆された。
さらに具体的には、新しいNLCSは光子拡散効果を示すが、新しい奇妙なNLCSは光子拡散効果を示す。
スクイージングの程度は、これらのnlcsのパラメータ選択によっても著しく影響を受ける。
様々な形の非線形関数を用いることで、様々な性質を持つnlcsを構築することが可能となり、対応する実験研究のための理論的基礎を提供する。
関連論文リスト
- Nonclassicality and sub-Planck structures of photon subtracted compass states [2.749686376993684]
我々は光子減算コンパス状態(PSCS)の非古典的性質について議論する。
位相空間における状態の変位により光子サブトラクションが感度の低下を引き起こすことを示す。
論文 参考訳(メタデータ) (2024-11-12T13:42:54Z) - Spectral Convolutional Conditional Neural Processes [4.52069311861025]
条件付きニューラルプロセス(CNP)は、プロセスのパラメータ化にニューラルネットワークの柔軟性を利用する確率モデルの一群である。
本稿では、周波数領域における関数のより効率的な表現を可能にするNPsファミリーに新たに追加されたスペクトル畳み込み条件ニューラルネットワーク(SConvCNPs)を提案する。
論文 参考訳(メタデータ) (2024-04-19T21:13:18Z) - Non Commutative Convolutional Signal Models in Neural Networks:
Stability to Small Deformations [111.27636893711055]
非可換畳み込みフィルタのフィルタ特性と安定性について検討する。
この結果は,グループニューラルネットワーク,マルチグラフニューラルネットワーク,四元系ニューラルネットワークに直接影響する。
論文 参考訳(メタデータ) (2023-10-05T20:27:22Z) - Benign Overfitting in Deep Neural Networks under Lazy Training [72.28294823115502]
データ分布が適切に分離された場合、DNNは分類のためのベイズ最適テスト誤差を達成できることを示す。
よりスムーズな関数との補間により、より一般化できることを示す。
論文 参考訳(メタデータ) (2023-05-30T19:37:44Z) - Unconstrained Parametrization of Dissipative and Contracting Neural
Ordinary Differential Equations [0.9437165725355698]
本稿では,Deep Neural Networks (DNN) のクラスを連続的に導入し,研究する。
私たちは、提案されているNodeRENを、堅牢な学習と制御にとって重要な特性である、収縮性と分散性で支援する方法を示します。
論文 参考訳(メタデータ) (2023-04-06T10:02:54Z) - Learning Low Dimensional State Spaces with Overparameterized Recurrent
Neural Nets [57.06026574261203]
我々は、長期記憶をモデル化できる低次元状態空間を学習するための理論的証拠を提供する。
実験は、線形RNNと非線形RNNの両方で低次元状態空間を学習することで、我々の理論を裏付けるものである。
論文 参考訳(メタデータ) (2022-10-25T14:45:15Z) - Optimization-Induced Graph Implicit Nonlinear Diffusion [64.39772634635273]
我々はGIND(Graph Implicit Diffusion)と呼ばれる新しいグラフ畳み込み変種を提案する。
GINDは暗黙的に隣人の無限のホップにアクセスでき、非線型拡散を伴う特徴を適応的に集約することで過度な平滑化を防いでいる。
学習された表現は、明示的な凸最適化目標の最小化として定式化できることを示す。
論文 参考訳(メタデータ) (2022-06-29T06:26:42Z) - Exploring Linear Feature Disentanglement For Neural Networks [63.20827189693117]
Sigmoid、ReLU、Tanhなどの非線形活性化関数は、ニューラルネットワーク(NN)において大きな成功を収めた。
サンプルの複雑な非線形特性のため、これらの活性化関数の目的は、元の特徴空間から線形分離可能な特徴空間へサンプルを投影することである。
この現象は、現在の典型的なNNにおいて、すべての特徴がすべての非線形関数によって変換される必要があるかどうかを探求することに興味をそそる。
論文 参考訳(メタデータ) (2022-03-22T13:09:17Z) - Central and Non-central Limit Theorems arising from the Scattering
Transform and its Neural Activation Generalization [4.125187280299247]
ニューラルアクティベーションST(NAST)と呼ばれる広いニューラルアクティベーション関数を含む散乱変換(ST)の一般化について検討する。
ここでは、非線形関数は入力信号によってニューロンが励起される方法をモデル化する。
その結果、NASTプロセスが複雑で定常でない時系列をどう処理するかを説明し、非ヌルケース下でのNASTに基づく統計的推測への道を開いた。
論文 参考訳(メタデータ) (2020-11-21T14:31:57Z) - Provably Efficient Neural Estimation of Structural Equation Model: An
Adversarial Approach [144.21892195917758]
一般化構造方程式モデル(SEM)のクラスにおける推定について検討する。
線形作用素方程式をmin-maxゲームとして定式化し、ニューラルネットワーク(NN)でパラメータ化し、勾配勾配を用いてニューラルネットワークのパラメータを学習する。
提案手法は,サンプル分割を必要とせず,確固とした収束性を持つNNをベースとしたSEMの抽出可能な推定手順を初めて提供する。
論文 参考訳(メタデータ) (2020-07-02T17:55:47Z)
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。