論文の概要: Entanglement-assist cyclic weak-value-amplification metrology
- arxiv url: http://arxiv.org/abs/2406.03851v1
- Date: Thu, 6 Jun 2024 08:34:35 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-07 15:49:43.760208
- Title: Entanglement-assist cyclic weak-value-amplification metrology
- Title（参考訳）: エンタングルメント-アシスト巡回弱値増幅メロロジー
- Authors: Zi-Rui Zhong, Xia-lin Su, Xiang-Ming Hu, Qing-lin Wu,
- Abstract要約: 弱測定は、検出確率の低いコストで小さな物理的効果を増幅する能力に対して、広く関心を集めている。
従来のエンタングルメントとリサイクリング技術は、異なる観点からの弱い測定のポストセレクション効率と信号対雑音比(SNR)を高める。
ここでは、電力リサイクルキャビティをエンタングルメント支援弱測定システムに組み込む。
- 参考スコア（独自算出の注目度）: 0.08035416719640157
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Weak measurement has garnered widespread interest for its ability to amplify small physical effects at the cost of low detection probabilities. Previous entanglement and recycling techniques enhance postselection efficiency and signal-to-noise ratio (SNR) of weak measurement from distinct perspectives. Here, we incorporate a power recycling cavity into the entanglement-assisted weak measurement system. We obtain an improvement of both detection efficiency and Fisher information, and find that the improvement from entanglement and recycling occur in different dimensions. Furthermore, we analyze two types of errors, walk-off errors and readout errors. The conclusions suggest that entanglement exacerbates the walk-off effect caused by recycling, but this detriment can be balanced by proper parameter selection. In addition, power-recycling can complement entanglement in suppressing readout noise, thus enhancing the accuracy in the measurement results and recovering the lost Fisher information. This work delves deeper into the metrological advantages of weak measurement.
- Abstract（参考訳）: 弱測定は、検出確率の低いコストで小さな物理的効果を増幅する能力に対して、広く関心を集めている。
従来のエンタングルメントとリサイクリング技術は、異なる観点からの弱い測定のポストセレクション効率と信号対雑音比(SNR)を高める。
ここでは、電力リサイクルキャビティをエンタングルメント支援弱測定システムに組み込む。
我々は, 検出効率とフィッシャー情報の両方の改善を行い, エンタングルメントとリサイクルによる改善は, 異なる次元で起こることを見出した。
さらに、ウォークオフエラーとリードアウトエラーの2種類のエラーを分析する。
以上の結果から, 絡み合いはリサイクルによる歩行効果を悪化させるが, 適切なパラメータ選択によってバランスがとれることが示唆された。
さらに、電力リサイクルは、読み出しノイズを抑制する際の絡みを補うことができ、測定結果の精度を高め、失ったフィッシャー情報を復元することができる。
この研究は弱い測定の気象学的利点を深く掘り下げている。
関連論文リスト
- Harnessing quantum back-action for time-series processing [0.0]
量子機械学習プロトコルに弱い測定を組み込むことは、実行時間のスケーリングと全体的なパフォーマンスの両方に利点をもたらすことを示す。
この研究は、量子貯水池コンピューティングにおける弱い測定ベースのプロトコルの実装を促進するための包括的で実用的なレシピを提供する。
論文 参考訳（メタデータ） (2024-11-06T15:15:04Z) - Quantum interrogation using weak value measurement [0.0]
本稿では, 構成的干渉とポストセレクションを用いた量子問合せ測定手法を提案する。
本手法は, 弱減衰源だけでなく, 偏光単光子に対しても有効であることを示す。
論文 参考訳（メタデータ） (2024-07-01T19:11:00Z) - Polarization-based cyclic weak value metrology for angular velocity measurement [12.157216534290898]
弱測定は、選択後の低い確率でほとんどの光子を捨てながら、メートルの変化の検出を増幅することが証明されている。
従来の電力リサイクル方式では、失敗した後光子の繰り返し選択が可能であり、非効率な後選択を克服し、検出精度を向上する。
本研究では,偏光に基づく弱値角速度測定に焦点をあて,ガウスビームの時間シフト検出精度を高めるために3つの循環法を導入する。
論文 参考訳（メタデータ） (2023-09-20T03:39:52Z) - Dual-recycled interference-based weak value metrology [14.248344485173499]
本稿では, 干渉計測による弱値偏差測定に基づく二重リサイクルモデルを提案する。
その結果,信号対雑音比(SNR)と電力対雑音比(SNR)は,幅広い実験パラメータで大きく向上していることがわかった。
論文 参考訳（メタデータ） (2023-09-13T09:32:11Z) - Mutual Wasserstein Discrepancy Minimization for Sequential
Recommendation [82.0801585843835]
逐次リコメンデーションのためのMutual WasserStein差分最小化MSteinに基づく新しい自己教師型学習フレームワークを提案する。
また,ワッサーシュタイン離散度測定に基づく新しい学習損失を提案する。
論文 参考訳（メタデータ） (2023-01-28T13:38:48Z) - Monotonicity and Double Descent in Uncertainty Estimation with Gaussian
Processes [52.92110730286403]
限界確率はクロスバリデーションの指標を思い起こさせるべきであり、どちらもより大きな入力次元で劣化すべきである、と一般的に信じられている。
我々は,ハイパーパラメータをチューニングすることにより,入力次元と単調に改善できることを証明した。
また、クロスバリデーションの指標は、二重降下の特徴である質的に異なる挙動を示すことも証明した。
論文 参考訳（メタデータ） (2022-10-14T08:09:33Z) - Neural Importance Sampling for Rapid and Reliable Gravitational-Wave
Inference [59.040209568168436]
まず、ニューラルネットワークを用いてベイズ後部への高速な提案を行い、その基礎となる可能性と事前に基づいて重み付けを行う。
本発明は,(1)ネットワーク不正確性のない修正後部,(2)提案案の評価と故障事例の同定のための性能診断(サンプル効率),(3)ベイズ証拠の偏りのない推定を提供する。
LIGOとVirgoで観測された42個のブラックホールをSEOBNRv4PHMとIMRPhenomHMXP波形モデルで解析した。
論文 参考訳（メタデータ） (2022-10-11T18:00:02Z) - Learning to Re-weight Examples with Optimal Transport for Imbalanced
Classification [74.62203971625173]
不均衡データは、ディープラーニングに基づく分類モデルに課題をもたらす。
不均衡なデータを扱うための最も広く使われているアプローチの1つは、再重み付けである。
本稿では,分布の観点からの最適輸送(OT)に基づく新しい再重み付け手法を提案する。
論文 参考訳（メタデータ） (2022-08-05T01:23:54Z) - ReMP: Rectified Metric Propagation for Few-Shot Learning [67.96021109377809]
修正されたメートル法空間は、トレーニングからテストまでのメートル法一貫性を維持するために学習される。
多くの分析結果から、目的の単純な修正がかなりの性能向上をもたらすことが示唆された。
提案したReMPは効率的で効率的であり、様々な標準的な数発の学習データセットで芸術の状態を上回ります。
論文 参考訳（メタデータ） (2020-12-02T00:07:53Z) - FaultNet: A Deep Convolutional Neural Network for bearing fault
classification [7.148679715851955]
我々は、異なる信号処理法を組み合わせることで、機械系の振動信号データを軸受で解析する。
本稿では,高精度にベアリング障害のタイプを効果的に決定できる畳み込みニューラルネットワークFactNetを提案する。
論文 参考訳（メタデータ） (2020-10-05T16:50:08Z) - An Equivalence between Loss Functions and Non-Uniform Sampling in
Experience Replay [72.23433407017558]
非一様サンプルデータを用いて評価された損失関数は、別の一様サンプルデータ損失関数に変換可能であることを示す。
驚いたことに、いくつかの環境では、PERは経験的パフォーマンスに影響を与えることなく、この新たな損失関数に完全に置き換えることができる。
論文 参考訳（メタデータ） (2020-07-12T17:45:24Z)
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。