論文の概要: Optimized higher-order photon state classification by machine learning
- arxiv url: http://arxiv.org/abs/2404.16203v1
- Date: Wed, 24 Apr 2024 20:57:07 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-26 15:27:26.447235
- Title: Optimized higher-order photon state classification by machine learning
- Title(参考訳): 機械学習による高次光子状態の最適分類
- Authors: Guangpeng Xu, Jeffrey Carvalho, Chiran Wijesundara, Tim Thomay,
- Abstract要約: 我々は,2次元畳み込みニューラルネットワーク(CNN)に基づく機械学習モデルを用いて,最大で94%の精度で,多光子フォック状態の迅速な分類を行う。
このモデルは、特にスパース相関データで効率的な性能を示し、800の共検出イベントが90%の精度を達成する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The classification of higher-order photon emission becomes important with more methods being developed for deterministic multiphoton generation. The widely-used second-order correlation g(2) is not sufficient to determine the quantum purity of higher photon Fock states. Traditional characterization methods require a large amount of photon detection events which leads to increased measurement and computation time. Here, we demonstrate a Machine Learning model based on a 2D Convolutional Neural Network (CNN) for rapid classification of multiphoton Fock states up to |3> with an overall accuracy of 94%. By fitting the g(3) correlation with simulated photon detection events, the model exhibits efficient performance particularly with sparse correlation data, with 800 co-detection events to achieve an accuracy of 90%. Using the proposed experimental setup, this CNN classifier opens up the possibility for quasi real-time classification of higher photon states, which holds broad applications in quantum technologies.
- Abstract(参考訳): 高次光子放出の分類は、決定論的多光子生成のためにさらに多くの方法が開発され、重要となる。
広く使われている2階相関g(2)は、より高い光子フォック状態の量子純度を決定するのに十分ではない。
従来のキャラクタリゼーション手法では、測定時間と計算時間を増大させる大量の光子検出イベントが必要となる。
本稿では,2次元畳み込みニューラルネットワーク(CNN)に基づく機械学習モデルを用いて,最大で94%の精度でマルチフォトンフォック状態の迅速な分類を行う。
シミュレーションされた光子検出イベントとg(3)相関を合わせることで、このモデルは特にスパース相関データで効率よく、800の共検出イベントで90%の精度を達成することができる。
提案した実験装置を用いて、このCNN分類器は、量子技術に広く応用されている高光子状態の準リアルタイム分類の可能性を開く。
関連論文リスト
- Deep learning-based variational autoencoder for classification of quantum and classical states of light [0.0]
単一光子付加コヒーレント状態(SPACS)を分類するための深層学習に基づく変分オートエンコーダ(VAE)を提案する。
VAEは、光の光子統計特性をより低次元に効率的にマッピングし、平均光子数が少ない準即時分類を可能にした。
このような深層学習手法により、検出品質が劣る場合でも、量子光と光源のより良い分類が可能になると期待する。
論文 参考訳(メタデータ) (2024-05-08T17:40:03Z) - Efficient characterization of blinking quantum emitters from scarce data
sets via machine learning [0.0]
単一光子エミッタは、蛍光断続性または光架橋を普遍的に表示する。
そこで本研究では,85%の精度で点滅率を抽出できる多機能回帰アルゴリズムと遺伝的アルゴリズムを提案する。
我々のアルゴリズムは、調査可能な点滅システムの範囲を効果的に拡張し、それ以外は調査するには短命であると考えられるものへと動的をトラップする。
論文 参考訳(メタデータ) (2023-08-24T18:51:30Z) - High-speed photon correlation monitoring of amplified quantum noise by
chaos using deep-learning balanced homodyne detection [0.0]
光子相関の精密な実験的決定には、大量のデータと広範囲な測定時間が必要である。
本稿では,広帯域平衡ホモダイン検出とディープラーニング加速度に基づく増幅量子雑音の2次光子相関を$g(2)(0)$でモニタする手法を提案する。
弱いカオスレーザーの注入により量子ノイズを効果的に増幅し、増幅された量子ノイズの$g(2)(0)$をリアルタイムサンプルレート1.4GHzで測定する。
論文 参考訳(メタデータ) (2023-07-06T09:11:25Z) - High-dimensional quantum correlation measurements with an adaptively
gated hybrid single-photon camera [58.720142291102135]
本研究では,高空間分解能センサと高時間分解能検出器を組み合わせた適応ゲート型ハイブリッド高分解能カメラ(HIC)を提案する。
空間分解能は9メガピクセル近く、時間分解能はナノ秒に近いため、このシステムは以前は実現不可能だった量子光学実験の実現を可能にする。
論文 参考訳(メタデータ) (2023-05-25T16:59:27Z) - Photonic Quantum Computing For Polymer Classification [62.997667081978825]
2つのポリマークラス (VIS) と近赤外 (NIR) は, ポリマーギャップの大きさに基づいて定義される。
高分子構造の二項分類に対する古典量子ハイブリッド手法を提案する。
論文 参考訳(メタデータ) (2022-11-22T11:59:52Z) - On-chip quantum information processing with distinguishable photons [55.41644538483948]
多光子干渉は光量子技術の中心にある。
そこで本研究では,共振器型集積光子源に必要なスケールで変形した光子を干渉させるのに十分な時間分解能で検出を実装できることを実験的に実証した。
ボソンサンプリング実験において,非イデアル光子の時間分解検出がエンタングル操作の忠実度を向上し,計算複雑性の低減を図ることができることを示す。
論文 参考訳(メタデータ) (2022-10-14T18:16:49Z) - Supernova Light Curves Approximation based on Neural Network Models [53.180678723280145]
光度データによる超新星の分類は、天文学におけるビッグデータのリアルタイム処理の出現によって課題となる。
近年の研究では、様々な機械学習モデルに基づく解の優れた品質が実証されている。
我々は,多層パーセプトロン(MLP),ベイジアンニューラルネットワーク(BNN),正規化フロー(NF)の単一光曲線観測への応用について検討した。
論文 参考訳(メタデータ) (2022-06-27T13:46:51Z) - Numerical optimization of a nanophotonic cavity by machine learning for
near-unity photon indistinguishability at room temperature [0.0]
室温での高識別性(I)は、最も決定論的な単一光子源(SPS)の本質的な劣化により取得が困難である
本稿では,様々な単一光子エミッタのRTにおける理論的近傍均一性Iと高結合効率(ベータ)を実現するハイブリッドスロット-ブラッグナノフォトニックキャビティの設計と最適化の数値実証を行う。
この提案はスケーラブルな技術ではないが、単一光子操作の実験的な実証に適している。
論文 参考訳(メタデータ) (2021-10-28T10:18:57Z) - Photon detection probability prediction using one-dimensional generative
neural network [62.997667081978825]
本論文では,OuterProduct-layer を用いて特徴を効率よく生成する一次元生成モデルを提案する。
このモデルは光子輸送シミュレーションをバイパスし、特定の光子検出器によって検出された光子の数をGeant4simulationと同じレベルで予測する。
この生成モデルは、ProtoDUNEやDUNEのような巨大な液体アルゴン検出器の光子検出確率を迅速に予測するために用いられる。
論文 参考訳(メタデータ) (2021-09-11T01:43:12Z) - Statistical Benchmarking of Scalable Photonic Quantum Systems [0.0]
我々は、マルチ光子状態の高性能なソースと大規模な多重化ネットワークを含む時間多重化フレームワークをベンチマークする。
多くのモードに分散した多くの光子の高次非古典的相関の検証に成功した。
非古典性は、最大128位までの相関関数と、最大20個の標準偏差の統計的意義で検証される。
論文 参考訳(メタデータ) (2020-08-26T13:14:54Z) - Near-ideal spontaneous photon sources in silicon quantum photonics [55.41644538483948]
集積フォトニクスは量子情報処理のための堅牢なプラットフォームである。
非常に区別がつかず純粋な単一の光子の源は、ほぼ決定的か高い効率で隠蔽されている。
ここでは、これらの要件を同時に満たすオンチップ光子源を実証する。
論文 参考訳(メタデータ) (2020-05-19T16:46:44Z)
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。