論文の概要: Transfer Learning and the Early Estimation of Single-Photon Source Quality using Machine Learning Methods
- arxiv url: http://arxiv.org/abs/2408.11322v1
- Date: Wed, 21 Aug 2024 04:10:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-22 18:28:56.251698
- Title: Transfer Learning and the Early Estimation of Single-Photon Source Quality using Machine Learning Methods
- Title（参考訳）: 機械学習を用いた転写学習と単光子音源品質の早期推定
- Authors: David Jacob Kedziora, Anna Musiał, Wojciech Rudno-Rudziński, Bogdan Gabrys,
- Abstract要約: 単一光子源(SPS)は多くのシステムやデバイスの中心であり、現代の量子技術の急増の中で提案されている。
しかし、製造計画が不完全であり、単一光子放射純度はインターフェロメトリーによって実験的に検証されなければならない。
本研究では,不完全排出統計からSPS品質をより高速に推定できるかどうかを検討する。
- 参考スコア（独自算出の注目度）: 7.687215328455751
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The use of single-photon sources (SPSs) is central to numerous systems and devices proposed amidst a modern surge in quantum technology. However, manufacturing schemes remain imperfect, and single-photon emission purity must often be experimentally verified via interferometry. Such a process is typically slow and costly, which has motivated growing research into whether SPS quality can be more rapidly inferred from incomplete emission statistics. Hence, this study is a sequel to previous work that demonstrated significant uncertainty in the standard method of quality estimation, i.e. the least-squares fitting of a physically motivated function, and asks: can machine learning (ML) do better? The study leverages eight datasets obtained from measurements involving an exemplary quantum emitter, i.e. a single InGaAs/GaAs epitaxial quantum dot; these eight contexts predominantly vary in the intensity of the exciting laser. Specifically, via a form of `transfer learning', five ML models, three linear and two ensemble-based, are trained on data from seven of the contexts and tested on the eighth. Validation metrics quickly reveal that even a linear regressor can outperform standard fitting when it is tested on the same contexts it was trained on, but the success of transfer learning is less assured, even though statistical analysis, made possible by data augmentation, suggests its superiority as an early estimator. Accordingly, the study concludes by discussing future strategies for grappling with the problem of SPS context dissimilarity, e.g. feature engineering and model adaptation.
- Abstract（参考訳）: 単一光子源(SPS)の使用は、現代の量子技術の急増の中で提案された多くのシステムやデバイスの中心である。
しかし、製造計画が不完全であり、単一光子放射純度はインターフェロメトリーによって実験的に検証されなければならない。
このようなプロセスは一般的に遅くてコストがかかるため、不完全な排出統計からSPSの品質をより迅速に推測できるかどうかの研究の動機となっている。
したがって、本研究は、従来の研究の続編であり、品質推定の標準的な方法、すなわち、物理的動機付け関数の最小二乗フィッティングにおいて大きな不確実性を示し、機械学習(ML)がより良くできるかを問うものである。
この研究は、模範量子エミッタを含む測定から得られた8つのデータセット、すなわち単一のInGaAs/GaAsエピタキシャル量子ドットを利用する。
具体的には、‘トランスファーラーニング’の形式で、5つのMLモデル、3つの線形および2つのアンサンブルベースのモデルが、7つのコンテキストからのデータに基づいてトレーニングされ、8日にテストされる。
検証基準は、線形回帰器でさえ、訓練された状況でテストされた場合の標準適合性よりも優れるが、転送学習の成功は保証されていない。
そこで本研究では,SPSコンテキストの相違,例えば特徴工学,モデル適応といった問題に対処するための今後の戦略について論じる。
関連論文リスト
- Detecting Quantum and Classical Phase Transitions via Unsupervised Machine Learning of the Fisher Information Metric [0.0]
そこで我々はClassiFIMと呼ばれる教師なし機械学習(ML)手法を開発した。
クラスiFIMは、トポロジカル(例えばXXZ鎖)と動的(例えば、ハバードモデルにおける金属絶縁体遷移)の両方を確実に検出する。
論文 参考訳（メタデータ） (2024-08-06T19:34:04Z) - Towards Efficient Quantum Anomaly Detection: One-Class SVMs using
Variable Subsampling and Randomized Measurements [4.180897432770239]
量子コンピューティングは、カーネル計算とモデルの精度を大幅に向上させる。
本稿では,量子カーネルの評価にランダム化計測を利用する方法と,可変サブサンプリングアンサンブル法を提案する。
実験の結果, トレーニング時間と推論時間は最大95%, 25%減少した。
不安定ではあるが、ランダム化測定の平均精度は古典的ラジアル基底関数カーネルのそれを上回っている。
論文 参考訳（メタデータ） (2023-12-14T17:42:18Z) - Unifying (Quantum) Statistical and Parametrized (Quantum) Algorithms [65.268245109828]
我々はカーンズのSQオラクルとヴァリアントの弱い評価オラクルからインスピレーションを得ます。
評価クエリから学習するための非条件の下限を出力する,広範かつ直感的なフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-26T18:23:21Z) - QKSAN: A Quantum Kernel Self-Attention Network [53.96779043113156]
量子カーネル法(Quantum Kernel Methods, QKM)のデータ表現能力とSAMの効率的な情報抽出能力を組み合わせた量子カーネル自己認識機構(Quantum Kernel Self-Attention Mechanism, QKSAM)を導入する。
量子カーネル自己保持ネットワーク(QKSAN)フレームワークは,DMP(Dederred Measurement Principle)と条件測定技術を巧みに組み込んだQKSAMに基づいて提案されている。
4つのQKSANサブモデルはPennyLaneとIBM Qiskitプラットフォームにデプロイされ、MNISTとFashion MNISTのバイナリ分類を実行する。
論文 参考訳（メタデータ） (2023-08-25T15:08:19Z) - Harnessing Data Augmentation to Quantify Uncertainty in the Early
Estimation of Single-Photon Source Quality [8.397730500554047]
本研究では、機械学習技術であるデータ拡張を用いて、ブートストラップされたサンプルを用いて実験データを補足する手法について検討する。
単一のInGaAs/GaAsエピタキシャル量子ドットを含む測定結果から得られた8つのデータセットは、初歩的な例である。
論文 参考訳（メタデータ） (2023-06-22T05:17:26Z) - A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。
我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文 参考訳（メタデータ） (2022-11-23T18:25:32Z) - Deep reinforcement learning for quantum multiparameter estimation [0.0]
本研究では,現実的なベイズ量子力学タスクを実現するためのモデルフリーでディープラーニングに基づくアプローチを提案する。
我々は,標準手法よりも高い推定性能の達成を実験的に証明した。
論文 参考訳（メタデータ） (2022-09-01T18:01:56Z) - Quantifying Unknown Quantum Entanglement via a Hybrid Quantum-Classical
Machine Learning Framework [1.8689488822130746]
本稿では,未知の絡み合いを定量化する2つの機械学習手法の性能を比較する。
本稿では,この問題に対するハイブリッド量子古典機械学習フレームワークを提案する。そこでは,最適な局所測定を訓練して,より情報的な相関データを生成する。
シミュレーションにより,新しいフレームワークは未知の絡み合いを定量化するためのモーメントに基づく手法に匹敵する性能をもたらすことが示された。
論文 参考訳（メタデータ） (2022-04-25T08:29:24Z) - Task-Specific Normalization for Continual Learning of Blind Image
Quality Models [105.03239956378465]
視覚的画像品質評価(BIQA)のための簡易かつ効果的な連続学習法を提案する。
このアプローチの重要なステップは、トレーニング済みのディープニューラルネットワーク(DNN)のすべての畳み込みフィルタを凍結して、安定性を明示的に保証することです。
我々は、各新しいIQAデータセット(タスク)に予測ヘッドを割り当て、対応する正規化パラメータをロードして品質スコアを生成する。
最終的な品質推定は、軽量な$K$-meansゲーティング機構で、すべての頭からの予測の重み付け総和によって計算される。
論文 参考訳（メタデータ） (2021-07-28T15:21:01Z) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳（メタデータ） (2021-06-24T15:58:57Z) - Neural network quantum state tomography in a two-qubit experiment [52.77024349608834]
機械学習にインスパイアされた変分法は、量子シミュレータのスケーラブルな状態キャラクタリゼーションへの有望な経路を提供する。
本研究では,2ビットの絡み合った状態を生成する実験から得られた測定データに適用することにより,いくつかの手法をベンチマークし比較する。
実験的な不完全性やノイズの存在下では、変動多様体を物理状態に収束させることで、再構成された状態の質が大幅に向上することがわかった。
論文 参考訳（メタデータ） (2020-07-31T17:25:12Z)
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。