論文の概要: Precision measurement for open systems by non-hermitian linear response
- arxiv url: http://arxiv.org/abs/2406.11287v2
- Date: Sat, 28 Sep 2024 09:09:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-01 21:58:49.450840
- Title: Precision measurement for open systems by non-hermitian linear response
- Title(参考訳): 非エルミート線形応答による開系の精密測定
- Authors: Peng Xu, Gang Chen,
- Abstract要約: まず、散逸パラメータに対する推定精度の低い境界について、いくつかの一般的な結果を得る。
この下界は、符号化散逸作用素と進化時間との相関関係に関係している。
- 参考スコア(独自算出の注目度): 9.087477434347218
- License:
- Abstract: The lower bound of estimated precision for a coherent parameter unitarily encoded in closed systems has been obtained, and such a lower bound is inversely proportional to the fluctuation of the encoding operator. In this paper, we first derive some general results regarding the lower bound of estimated precision for a dissipative parameter, which is non-unitarily encoded in open systems, by combining the law of error propagation and the non-hermitian linear response theory. This lower bound is related to the correlation of the encoding dissipative operator and the evolution time. We next demonstrate the utility of our general results by considering three different kinds of non-unitary encoding processes, including particle loss, relaxation, and dephasing. We finally compare the lower bound with the quantum Fisher information obtained by tomography and find they are consistent in the regime where the non-hermitian linear response applies. This lower bound can guide us to find the optimal initial states and detecting operators to significantly simplify the measurement process.
- Abstract(参考訳): 閉系に一元的に符号化されたコヒーレントパラメータに対する推定精度の下限が得られ、その下限は符号化演算子のゆらぎに逆比例する。
本稿ではまず,非一意的に符号化された散逸パラメータに対する推定精度の低い境界について,誤差伝播の法則と非エルミート線形応答理論を組み合わせることで,いくつかの一般結果を得る。
この下界は、符号化散逸作用素と進化時間との相関関係に関係している。
次に, 粒子損失, 緩和, 軽視を含む3種類の非単位符号化プロセスを検討することで, 一般結果の有用性を実証する。
最終的に、トモグラフィーによって得られた量子フィッシャー情報と比較し、非エルミート線形応答が適用される状態において整合性があることを見出した。
この下界は、最適初期状態を見つけ、演算子を検出し、測定プロセスを著しく単純化する。
関連論文リスト
- Finding the optimal probe state for multiparameter quantum metrology
using conic programming [61.98670278625053]
本稿では,対応する精度境界に対する最適プローブ状態を決定するための円錐型プログラミングフレームワークを提案する。
また、この理論を量子プローブ状態を用いた標準場センシング問題の解析にも応用する。
論文 参考訳(メタデータ) (2024-01-11T12:47:29Z) - Moment expansion method for composite open quantum systems including a damped oscillator mode [0.0]
本研究では,対象系の密度行列と二次作用素の低次モーメントを計算する数値計算法を開発した。
光学的手法の適用により,計算コストを大幅に削減して相関関数を正確に計算できることが示されている。
論文 参考訳(メタデータ) (2023-11-10T15:29:34Z) - Robust Low-Rank Matrix Completion via a New Sparsity-Inducing
Regularizer [30.920908325825668]
本稿では,ハイブリッド常連Welsch (HOW) に新たな損失関数を提案する。
論文 参考訳(メタデータ) (2023-10-07T09:47:55Z) - Guaranteed Approximation Bounds for Mixed-Precision Neural Operators [83.64404557466528]
我々は、ニューラル演算子学習が本質的に近似誤差を誘導する直感の上に構築する。
提案手法では,GPUメモリ使用量を最大50%削減し,スループットを58%向上する。
論文 参考訳(メタデータ) (2023-07-27T17:42:06Z) - Tight Cram\'{e}r-Rao type bounds for multiparameter quantum metrology
through conic programming [61.98670278625053]
最適な精度で不整合パラメータを推定できる実用的な測定戦略が最重要である。
ここでは、最適精度で非相関な測定方法を見つけるための具体的な方法を示す。
従来の計算可能境界と最終的な精度境界との間には厳密なギャップがあることを数値的に示す。
論文 参考訳(メタデータ) (2022-09-12T13:06:48Z) - Structural aspects of FRG in quantum tunnelling computations [68.8204255655161]
一次元の4次元高調波発振器とダブルウェルポテンシャルの両方を探索する。
ポテンシャルV_k(varphi)と波動関数再正規化Z_k(varphi)の2つの偏微分方程式について検討した。
論文 参考訳(メタデータ) (2022-06-14T15:23:25Z) - Coalitional Bayesian Autoencoders -- Towards explainable unsupervised
deep learning [78.60415450507706]
その結果,BAEの予測は高い相関関係にあり,誤解を招くことが示唆された。
これを軽減するために、エージェントベースのシステム理論にインスパイアされた"Coalitional BAE"が提案されている。
公開条件監視データセットに関する実験は、Coalitional BAEを用いた説明の質の向上を実証している。
論文 参考訳(メタデータ) (2021-10-19T15:07:09Z) - Designing optimal linear detectors -- a bottom-up approach [11.04648316642923]
本稿では,線形検出器を最適感度で実現するための系統的アプローチを開発する。
一般制約は線形検出器の入力出力伝達関数の特定のクラスに基づいて導出される。
このクラスにおける転送関数の物理的実現は、量子ネットワーク合成技術を用いて見いだされる。
論文 参考訳(メタデータ) (2021-10-15T08:43:49Z) - Amortized Conditional Normalized Maximum Likelihood: Reliable Out of
Distribution Uncertainty Estimation [99.92568326314667]
本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。
提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。
我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
論文 参考訳(メタデータ) (2020-11-05T08:04:34Z) - A machine learning approach to Bayesian parameter estimation [0.0]
パラメータ推定を分類タスクとして定式化し,ニューラルネットワークを用いてベイズ推定を効率的に行う。
本稿では,ネットワークの後方分布が,逆フィッシャー情報によって与えられる不確実性の中でパラメータの真(未知)値に集中していることを示す。
論文 参考訳(メタデータ) (2020-06-03T16:33:21Z) - Closed-loop Parameter Identification of Linear Dynamical Systems through
the Lens of Feedback Channel Coding Theory [0.0]
本稿では,ガウス過程雑音を伴う線形スカラー系の閉ループ同定の問題について考察する。
学習速度は,対応するAWGNチャネルの容量によって基本的に上界にあることを示す。
フィードバックポリシの最適設計は依然として難しいが、上限が達成される条件を導出する。
論文 参考訳(メタデータ) (2020-03-27T17:30:10Z)
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。