論文の概要: Sub-diffraction estimation, discrimination and learning of quantum states of light

• arxiv url: http://arxiv.org/abs/2406.03179v1
• Date: Wed, 5 Jun 2024 12:08:58 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-06 18:40:12.652443
• Title: Sub-diffraction estimation, discrimination and learning of quantum states of light
• Title（参考訳）: 光の量子状態のサブ回折推定、識別と学習
• Authors: Giuseppe Buonaiuto, Cosmo Lupo,
• Abstract要約: サブレイリー推定の手法として空間モードデマルチプレクシング(SPADE)が提案されている。 サブレイリー分解能を実現するハイブリッド量子古典画像分類器を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The resolution of optical imaging is classically limited by the width of the point-spread function, which in turn is determined by the Rayleigh length. Recently, spatial-mode demultiplexing (SPADE) has been proposed as a method to achieve sub-Rayleigh estimation and discrimination of natural, incoherent sources. Here we show that SPADE is optimal in the broader context of machine learning. To this goal, we introduce a hybrid quantum-classical image classifier that achieves sub-Rayleigh resolution. The algorithm includes a quantum and a classical part. In the quantum part, a physical device (demultiplexer) is used to sort the transverse field, followed by mode-wise photon detection. This part of the algorithm implements a physical pre-processing of the quantum field that cannot be classically simulated without essentially reducing the signal-to-noise ratio. In the classical part of the algorithm, the collected data are fed into an artificial neural network for training and classification. As a case study, we classify images from the MNIST dataset after severe blurring due to diffraction. Our numerical experiments demonstrate the ability to learn highly blurred images that would be otherwise indistinguishable by direct imaging without the physical pre-processing of the quantum field.
• Abstract（参考訳）: 光画像の解像度は、古典的にはポイントスプレッド関数の幅によって制限され、レイリー長によって決定される。 近年,空間モードデマルチプレキシング (SPADE) は,自然・不整合な情報源のサブレイリー推定と識別を実現する手法として提案されている。 ここでは、SPADEが機械学習のより広い文脈で最適であることを示す。 この目的のために,サブレイリー分解能を実現するハイブリッド量子古典画像分類器を提案する。 このアルゴリズムは量子と古典的部分を含む。 量子部では、物理デバイス(デマルチプレクサ)が横フィールドをソートし、次にモードワイド光子検出を行う。 このアルゴリズムのこの部分は、信号対雑音比を本質的に減少させることなく古典的にシミュレートできない量子場の物理前処理を実装している。 アルゴリズムの古典的な部分では、収集されたデータは、トレーニングと分類のために人工ニューラルネットワークに入力される。 そこで本研究では,MNISTデータセットから,回折による鮮明なぼやけた画像の分類を行った。 我々の数値実験は、量子場の物理前処理を使わずに直接撮像によって区別できない、非常にぼやけた画像を学習できることを実証している。

関連論文リスト

• Quantum optical classifier with superexponential speedup [3.262230127283452]
  本稿では,バイナリ分類タスクのための量子光学パターン認識手法を提案する。 香港・ウー・マンデル干渉計の出力における2光子偶然の速度で物体を分類する。
  論文  参考訳（メタデータ） (2024-04-23T17:55:49Z)
• Hybrid quantum transfer learning for crack image classification on NISQ hardware [62.997667081978825]
  グレー値画像のひび割れ検出に量子転送学習を適用した。 我々は、PennyLaneの標準量子ビットのパフォーマンスとトレーニング時間を、IBMのqasm_simulatorや実際のバックエンドと比較する。
  論文  参考訳（メタデータ） (2023-07-31T14:45:29Z)
• Unsupervised Domain Transfer with Conditional Invertible Neural Networks [83.90291882730925]
  条件付き可逆ニューラルネットワーク(cINN)に基づくドメイン転送手法を提案する。 提案手法は本質的に,その可逆的アーキテクチャによるサイクル一貫性を保証し,ネットワークトレーニングを最大限効率的に行うことができる。 提案手法は,2つの下流分類タスクにおいて,現実的なスペクトルデータの生成を可能にし,その性能を向上する。
  論文  参考訳（メタデータ） (2023-03-17T18:00:27Z)
• Efficient qudit based scheme for photonic quantum computing [0.0]
  本研究は,d>2光モードにおける単一光子の光子数状態によって定義される量子量について検討する。 線形光学と光子数分解検出器を用いて局所最適非決定性多量子ゲートを構築する方法を示す。 我々は、quditクラスタ状態は、光学モードを少なくし、類似の計算能力を持つqubitクラスタ状態よりも、絡み合った光子が少なく符号化されていることを発見した。
  論文  参考訳（メタデータ） (2023-02-14T21:41:45Z)
• Deterministic Free-Propagating Photonic Qubits with Negative Wigner Functions [0.0]
  古典的および量子通信においてユビキタスなコヒーレントな状態、量子センシングで使用される圧縮された状態、そして量子コンピューティングの文脈で研究される高絡み合った状態も決定論的に生成することができる。 光の非ガウスウィグナー負の状態の完全な決定論的な最初の準備について記述し、カヴドベリ超原子の内部状態を光学量子ビットにマッピングすることによって得られる。
  論文  参考訳（メタデータ） (2022-09-05T16:37:42Z)
• A hybrid quantum image edge detector for the NISQ era [62.997667081978825]
  本稿では,量子人工ニューロンのアイデアに基づく量子エッジ検出のハイブリッド手法を提案する。 提案手法は, 量子コンピュータ, 特に現在ノイズの多い中間量子時代において, 実際に実装することができる。
  論文  参考訳（メタデータ） (2022-03-22T22:02:09Z)
• Classical simulation of boson sampling based on graph structure [2.5496329090462626]
  線形光回路のグラフ構造を利用する単一光子およびガウス入力状態に対する古典的なサンプリングアルゴリズムを提案する。 回路深さが格子間隔の二次よりも小さい場合、指数的に小さな誤差で効率的なシミュレーションが可能であることを示す。 近年の数値的なガウスボソンサンプリング実験により,木幅に制限のある木幅アルゴリズムが実験データよりも大きな可能性を示す可能性が示された。
  論文  参考訳（メタデータ） (2021-10-04T17:02:35Z)
• A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
  勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。 MNIST画像データセットがそのような条件を満たすことを数値的に示す。 我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-19T23:41:03Z)
• Classical simulation of bosonic linear-optical random circuits beyond linear light cone [2.5496329090462626]
  線形光回路の出力光子数分布からのサンプリングの古典的シミュラビリティについて検討する。 アルゴリズムの誤差は、ソース間の距離の2倍以下の深さまで指数関数的に小さいことを示す。
  論文  参考訳（メタデータ） (2021-02-19T18:33:31Z)
• Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
  集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。 このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。 線形光ネットワークの転送行列を再構成する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-01T16:04:22Z)
• Quantum metamaterial for nondestructive microwave photon counting [52.77024349608834]
  弱い非線形メタマテリアルに基づいてマイクロ波領域で動作する単一光子検出器の設計を提案する。 単光子検出の忠実度はメタマテリアルの長さとともに増加し,実験的に現実的な長さで接近することを示す。 光領域で動作する従来の光子検出器とは対照的に、光子検出により光子を破壊せず、光子波束を最小限に乱す。
  論文  参考訳（メタデータ） (2020-05-13T18:00:03Z)

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。