論文の概要: Discrete-outcome sensor networks: Multiple detection events and grouping detectors

• arxiv url: http://arxiv.org/abs/2407.20435v1
• Date: Mon, 29 Jul 2024 21:59:04 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-31 18:48:44.349800
• Title: Discrete-outcome sensor networks: Multiple detection events and grouping detectors
• Title（参考訳）: 離散出力センサネットワーク:複数検出イベントとグループ化検出器
• Authors: Nada Ali, Mark Hillery,
• Abstract要約: 我々は,イエスノー質問に対する回答を求めるという意味で,離散的な量子センサネットワークについて検討する。 問題のひとつは、ネットワークにとって良い初期状態であり、特に、絡み合っていなければならないかどうかである。 グルーピング検出器の場合、絡み合った初期状態が役に立つ。
• 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: Quantum sensor networks have often been studied in order to determine how accurately they can determine a parameter, such as the strength of a magnetic field, at one of the detectors. A more coarse-grained approach is to try to simply determine whether a detector has interacted with a signal or not, and which detector it was. Such discrete-outcome quantum sensor networks, discrete in the sense that we are seeking answers to yes-no questions, are what we study here. One issue is what is a good initial state for the network, and, in particular, should it be entangled or not. Earlier we looked at the case when only one detector interacted, and here we extend that study in two ways. First, we allow more that one detector to interact, and second, we examine the effect of grouping the detectors. When the detectors are grouped we are only interested in which group contained interacting detectors and not in which individual detectors within a group interacted. We find that in the case of grouping detectors, entangled initial states can be helpful.
• Abstract（参考訳）: 量子センサーネットワークは、検出器の1つで磁場の強さなどのパラメータを正確に決定できるかどうかを判断するためにしばしば研究されてきた。 より粗いアプローチは、検出器が信号と相互作用したかどうか、それがどの検出器であったのかを単純に判断することである。 このような離散的な量子センサーネットワークは、イエスノー質問に対する回答を求めるという意味では離散的であり、私たちがここで研究している。 問題のひとつは、ネットワークにとって良い初期状態であり、特に、絡み合っていなければならないかどうかである。 さっき、1つの検出器しか相互作用しないケースを調べたが、ここではその研究を2つの方法で拡張した。 第一に、一つの検出器が相互作用すること、第二に、検出器をグループ化する効果について検討する。 検出器がグループ化されたとき、私たちはどのグループに相互作用する検出器が含まれており、グループ内の個々の検出器が相互作用するわけではないことにのみ興味を持っています。 グループ化検出器の場合、絡み合った初期状態が有用であることがわかった。

関連論文リスト

• Entanglement generation between two comoving Unruh-DeWitt detectors in the cosmological de Sitter spacetime [2.526712624596066]
  2つの共振型2レベル検出器を同時に空間的位置で検討する。 検出器は個別にスカラー場に結合し、2つの検出器間の結合につながる。 対数ネガティリティを計算し、2つの検出器間の遅い時間に発生する絡み合いの度合いを定量化する。
  論文  参考訳（メタデータ） (2024-04-18T06:20:07Z)
• Trash to Treasure: Low-Light Object Detection via Decomposition-and-Aggregation [76.45506517198956]
  低照度シナリオにおけるオブジェクト検出は、ここ数年で多くの注目を集めています。 主流で代表的なスキームは、レギュラー検出器の前処理としてエンハンサーを導入している。 本研究では,エンハンサー+検出器のポテンシャルを喚起する。
  論文  参考訳（メタデータ） (2023-09-07T08:11:47Z)
• Causality and signalling in non-compact detector-field interactions [0.0]
  粒子検出器モデルに「透明」超光信号と逆カスケーションが現れる。 空間と時間に無限の尾を持つ検出器であっても、仮に尾が指数関数的に崩壊しても、有効光錐を定義することができる。
  論文  参考訳（メタデータ） (2023-05-12T20:46:38Z)
• Discrete outcome quantum sensor networks [1.900481513930264]
  量子状態判別の手法を用いて量子センサネットワークをモデル化する。 絡み合った初期状態は検出確率を向上させることができるが、この利点は検出器の数が増えるにつれて減少する。
  論文  参考訳（メタデータ） (2022-10-31T12:21:40Z)
• Radiative processes of single and entangled detectors on circular trajectories in (2+1) dimensional Minkowski spacetime [0.0]
  2つの絡み合った検出器は、(2+1)$2次元ミンコフスキー時空で円軌道上を移動している。 ミンコフスキー真空中および熱浴中における検出器の遷移確率を算出した。 有限時間間隔でスイッチオンした場合の検出器の遷移確率率を評価する。
  論文  参考訳（メタデータ） (2022-05-03T04:51:47Z)
• From One to Many: A Deep Learning Coincident Gravitational-Wave Search [58.720142291102135]
  単一検出器からの非スピン型二元ブラックホールデータに基づいてトレーニングされたニューラルネットワークを用いて、二元ブラックホールの融合から重力波を2検出器で探索する。 これらの単純な2検出器ネットワークはいずれも、検出器のデータに個別にネットワークを適用するよりも感度を向上させることができない。
  論文  参考訳（メタデータ） (2021-08-24T13:25:02Z)
• Bandit Quickest Changepoint Detection [55.855465482260165]
  すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。 有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。 本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
  論文  参考訳（メタデータ） (2021-07-22T07:25:35Z)
• Self-supervised object detection from audio-visual correspondence [101.46794879729453]
  我々は、監視なしで物体検出器を学習する問題に取り組む。 画像レベルのクラスラベルは想定せず、代わりにオーディオビジュアルデータから監視信号を抽出します。 本研究では,航空機やネコなどの機器以外のジェネリック物体の検出を学習できることを示した。
  論文  参考訳（メタデータ） (2021-04-13T17:59:03Z)
• Object Detection Made Simpler by Eliminating Heuristic NMS [70.93004137521946]
  単純なNMSのないエンドツーエンドのオブジェクト検出フレームワークを示す。 検出精度は元の1段検出器と比べて同等か、さらに向上した。
  論文  参考訳（メタデータ） (2021-01-28T02:38:29Z)
• Black-box Explanation of Object Detectors via Saliency Maps [66.745167677293]
  対象検出器の予測のための視覚的説明を生成するD-RISEを提案する。 本稿では, YOLOv3などの1段検出器やFaster-RCNNのような2段検出器など, 異なる対象検出器に容易にD-RISEを適用可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-05T02:13:35Z)

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。