論文の概要: Lineshape Optimization in Inhomogeneous $Λ$-type Quantum Memory
- arxiv url: http://arxiv.org/abs/2405.14013v1
- Date: Wed, 22 May 2024 21:43:15 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-24 19:54:29.262359
- Title: Lineshape Optimization in Inhomogeneous $Λ$-type Quantum Memory
- Title（参考訳）: 不均質$=$型量子メモリにおける線形形状最適化
- Authors: Kai Shinbrough, Donny R. Pearson Jr., Virginia O. Lorenz, Elizabeth A. Goldschmidt,
- Abstract要約: フォトニック量子メモリは、フォトニック量子情報処理において重要な基本的な操作である。
我々は、長いコヒーレンス寿命と広帯域互換性を有するLambda$型量子エミッタのアンサンブルを不均一に拡張することに焦点を当てる。
本研究では, 電磁誘導透過 (EIT) の特性について検討し, 実験で容易に実現できる不均質リニアップの調査を行った。
我々は、最適EIT効率を、不均一な広帯域化のスペクトル形成にも依存する、よく知られた原子周波数コム(AFC)プロトコルと比較する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Photonic quantum memory is a crucial elementary operation in photonic quantum information processing. While many physically distinct memory protocols and hardware implementations have been applied to this task, the development of a quantum memory performant in all relevant metrics simultaneously (e.g., efficiency, bandwidth, lifetime, etc.) is still an open challenge. In this work, we focus on inhomogeneously broadened ensembles of $\Lambda$-type quantum emitters, which have long coherence lifetimes and broad bandwidth compatibility, but tend to exhibit low efficiency, in part due to technical constraints on medium growth and preparation, and in part due to inefficient use of a key resource in these systems: the inhomogeneously broadened excited state lineshape. We investigate the properties of electromagnetically induced transparency (EIT) for a survey of inhomogeneous lineshapes that are straightforward to realize experimentally, and optimize the memory efficiency for each lineshape over a large range of experimental parameters. We compare the optimal EIT efficiency to the well-known atomic frequency comb (AFC) protocol, which also relies on spectral shaping of the inhomogeneous broadening, and observe that with sufficient control field power the optimized lineshapes allow more efficient storage. Finally, we optimize over the inhomogeneous lineshape in a protocol agnostic fashion by numerically constructing the linear integral kernel describing the memory interaction and using a singular value decomposition and interpolation procedure to ensure optimality of the resulting lineshape.
- Abstract（参考訳）: フォトニック量子メモリは、フォトニック量子情報処理において重要な基本的な操作である。
多くの物理的に異なるメモリプロトコルやハードウェアの実装がこのタスクに応用されているが、関連するすべてのメトリクス(例えば、効率、帯域幅、寿命など)で同時に量子メモリが動作できることは、まだオープンな課題である。
本研究では,長期間のコヒーレンス寿命と広帯域互換性を持つ量子エミッタの非等質的に拡張されたアンサンブルに焦点をあてるが,中規模成長と準備に関する技術的制約や,これらのシステムにおいて重要なリソースである非等質的に拡張された励起状態ラインシェープにより,効率が低下する傾向にある。
本研究では, 電磁誘導透過性(EIT)の特性を実験的に実現し易い不均一なラインハップの探索に用いて検討し, 実験パラメータの広い範囲で各ラインシェープのメモリ効率を最適化する。
我々は、最適EIT効率を、不均一な広帯域化のスペクトル形成にも依存する、よく知られた原子周波数コム(AFC)プロトコルと比較し、最適化されたリニアップが十分な制御フィールド力でより効率的な記憶を可能にすることを観察する。
最後に、メモリ相互作用を記述した線形積分カーネルを数値的に構築し、特異値分解と補間処理を用いて、プロトコル非依存的に不均一なラインシェイプを最適化し、その結果のラインシェープの最適性を確保する。
関連論文リスト
- Efficient Arbitrary Precision Acceleration for Large Language Models on GPU Tensor Cores [3.6385567224218556]
大規模言語モデル(LLM)は広く応用されているが、効率的な推論では課題に直面している。
本稿では、並列計算を容易にし、対称量子化をサポートする新しいバイポーラ-INTデータフォーマットを提案する。
ビットレベルで分解・復元する任意の精度行列乗算方式を実装し,フレキシブルな精度を実現する。
論文 参考訳（メタデータ） (2024-09-26T14:17:58Z) - Leveraging SPD Matrices on Riemannian Manifolds in Quantum Classical Hybrid Models for Structural Health Monitoring [0.0]
橋梁のリアルタイム有限要素モデリングは、構造的整合性に関する包括的な洞察を提供することにより、現代の構造的健康モニタリングシステムを支援する。
FEM計算コストとリアルタイム解析の必要性は大きな課題である。
本研究では,新しい量子古典多層パーセプトロンパイプラインを提案する。
論文 参考訳（メタデータ） (2024-06-06T13:21:28Z) - Efficient Quantum Circuits for Non-Unitary and Unitary Diagonal Operators with Space-Time-Accuracy trade-offs [1.0749601922718608]
ユニタリおよび非ユニタリ対角作用素は量子アルゴリズムの基本的な構成要素である。
本稿では,一元対角演算子と非単元対角演算子を効率よく調整可能な量子回路で実装する一般手法を提案する。
論文 参考訳（メタデータ） (2024-04-03T15:42:25Z) - Convergence and scaling of Boolean-weight optimization for hardware
reservoirs [0.0]
我々は、ランダムにリカレント接続されたニューラルネットワークの読み出し層を最適化するために、高効率なコーディネートDescentのスケーリング法則を解析的に導出した。
本結果は,概念実証実験で実施した大規模フォトニック貯水池の収束とスケーリングを完璧に再現するものである。
論文 参考訳（メタデータ） (2023-05-13T12:15:25Z) - Energy-efficient Task Adaptation for NLP Edge Inference Leveraging
Heterogeneous Memory Architectures [68.91874045918112]
Adapter-ALBERTは、様々なタスクにわたる最大データ再利用のための効率的なモデル最適化である。
検証されたNLPエッジアクセラレータ上でシミュレーションを行うことにより、モデルを不均一なオンチップメモリアーキテクチャにマッピングする利点を実証する。
論文 参考訳（メタデータ） (2023-03-25T14:40:59Z) - UNETR++: Delving into Efficient and Accurate 3D Medical Image Segmentation [93.88170217725805]
本稿では,高画質なセグメンテーションマスクと,パラメータ,計算コスト,推論速度の両面での効率性を提供するUNETR++という3次元医用画像セグメンテーション手法を提案する。
我々の設計の核となるのは、空間的およびチャネル的な識別的特徴を効率的に学習する、新しい効率的な対注意ブロック(EPA)の導入である。
Synapse, BTCV, ACDC, BRaTs, Decathlon-Lungの5つのベンチマークで評価した結果, 効率と精度の両面で, コントリビューションの有効性が示された。
論文 参考訳（メタデータ） (2022-12-08T18:59:57Z) - DBA: Efficient Transformer with Dynamic Bilinear Low-Rank Attention [53.02648818164273]
動的双線形低ランク注意(DBA)という,効率的かつ効果的な注意機構を提案する。
DBAは入力感度の動的射影行列によってシーケンス長を圧縮し、線形時間と空間の複雑さを実現する。
様々なシーケンス長条件のタスクに対する実験は、DBAが最先端のパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2022-11-24T03:06:36Z) - Adaptive Fourier Neural Operators: Efficient Token Mixers for
Transformers [55.90468016961356]
本稿では,Fourierドメインのミキシングを学習する効率的なトークンミキサーを提案する。
AFNOは、演算子学習の原則的基礎に基づいている。
65kのシーケンスサイズを処理でき、他の効率的な自己認識機構より優れている。
論文 参考訳（メタデータ） (2021-11-24T05:44:31Z) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳（メタデータ） (2021-06-24T20:16:02Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z) - Optimization of Broadband $\Lambda$-type Quantum Memory Using Gaussian
Pulses [0.7734726150561088]
重なり合う信号と制御フィールドには、メモリ効率を最適化する独自のブロードバンドパルス持続時間が存在することを示す。
さらに、制御フィールドの時間遅延とパルス持続時間を最適化し、この効率の飽和を幅広いパルス持続時間にわたって示す。
論文 参考訳（メタデータ） (2020-08-31T14:19:02Z)
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。