論文の概要: Saturable global quantum sensing with Gaussian probes
- arxiv url: http://arxiv.org/abs/2410.12050v1
- Date: Tue, 15 Oct 2024 20:37:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-17 13:41:59.644054
- Title: Saturable global quantum sensing with Gaussian probes
- Title（参考訳）: ガウスプローブによる飽和大域量子センシング
- Authors: Chiranjib Mukhopadhyay, Matteo G. A. Paris, Abolfazl Bayat,
- Abstract要約: 我々は、頻繁な画像におけるグローバルセンシングに対する運用動機付けのアプローチを提供する。
提案手法は, 平均不確実性に基づいて飽和境界を導出し, 測定値の最適化とプローブ作成を同時に行うことができる。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Conventional formulation of quantum sensing has been mostly developed in the context of local estimation, where the unknown parameter is roughly known. In contrast, global sensing, where the prior information is incomplete and the unknown parameter is only known to lie within a broad interval, is practically more engaging but has received far less theoretical attention. Available formulations of global sensing rely on adaptive Bayesian strategies or minimizing average uncertainty. These methods either rely on challenging adaptive measurements or provide unsaturable bounds. Here, we provide an operationally motivated approach to global sensing in the frequentist picture. Our scheme yields a saturable bound on average uncertainty and allows for optimizing the measurement as well as the probe preparation simultaneously. We illustrate the implications for Gaussian single-mode sensing tasks like thermometry and phase estimation by showing that the optimal measurement indeed changes from homodyne, for local sensing, towards heterodyne, for global sensing. Depending on the task, this transformation can be gradual or sudden.
- Abstract（参考訳）: 従来の量子センシングの定式化は主に、未知のパラメータが大まかに知られている局所推定の文脈で開発された。
対照的に、事前の情報が不完全であり、未知のパラメータが広い間隔でのみ存在することが知られているグローバルセンシングは、実際はより魅力的であるが、理論的な注目を集めていない。
グローバルセンシングの利用可能な定式化は、適応ベイズ戦略や平均不確実性の最小化に依存する。
これらの手法は、挑戦的な適応的な測定に依存するか、あるいは不飽和な境界を提供する。
ここでは、頻繁な画像におけるグローバルセンシングに対する運用動機付けのアプローチを提案する。
提案手法は, 平均不確実性に基づいて飽和境界を導出し, 測定値の最適化とプローブ作成を同時に行うことができる。
温度測定や位相推定のようなガウスの単一モードセンシングタスクは, 局所センシングにおいて, ホモダインからヘテロダインへ, グローバルセンシングにおいて, 最適な測定値が実際に変化することを示している。
タスクによっては、この変換は徐々に、あるいは突然に行われる可能性がある。
関連論文リスト
- Current Trends in Global Quantum Metrology [0.0]
量子センサーは、最も有望な短期量子技術の1つとして広く認識されている。
我々は、グローバル量子推定の進展のいくつかを概観する。
第1のアプローチでは、最高の性能を達成するためには、測定設定を適応的に最適化する必要がある。
論文 参考訳（メタデータ） (2024-11-06T11:39:58Z) - Optimal estimation of pure states with displaced-null measurements [0.0]
純粋量子状態の未知パラメータを推定する問題を再検討する。
本研究では,実験者が真のシステム状態に近いベクトルを含む基準で測定することを目指すヌル測度戦略について検討する。
論文 参考訳（メタデータ） (2023-10-10T16:46:24Z) - Bayesian Renormalization [68.8204255655161]
ベイズ統計的推論にインスパイアされた再正規化に対する完全情報理論的アプローチを提案する。
ベイズ再正規化の主な洞察は、フィッシャー計量が創発的RGスケールの役割を担う相関長を定義することである。
本研究では,ベイズ正規化方式が既存のデータ圧縮法やデータ生成法とどのように関係しているかを考察する。
論文 参考訳（メタデータ） (2023-05-17T18:00:28Z) - Learning Signed Hyper Surfaces for Oriented Point Cloud Normal Estimation [53.19926259132379]
我々は,符号付きハイパー曲面の学習による点雲の向きの正規分布推定のためのSHS-Netと呼ばれる新しい手法を提案する。
符号付き超曲面は、局所的および大域的な情報を集約する高次元特徴空間において暗黙的に学習される。
注意重み付き正規予測モジュールをデコーダとして提案し,局所およびグローバル潜時符号を入力として向きの正規を推定する。
論文 参考訳（メタデータ） (2023-05-10T03:40:25Z) - Scalable Bayesian Meta-Learning through Generalized Implicit Gradients [64.21628447579772]
Inlicit Bayesian Meta-learning (iBaML) 法は、学習可能な事前のスコープを広げるだけでなく、関連する不確実性も定量化する。
解析誤差境界は、明示的よりも一般化された暗黙的勾配の精度と効率を示すために確立される。
論文 参考訳（メタデータ） (2023-03-31T02:10:30Z) - Instance-Dependent Generalization Bounds via Optimal Transport [51.71650746285469]
既存の一般化境界は、現代のニューラルネットワークの一般化を促進する重要な要因を説明することができない。
データ空間における学習予測関数の局所リプシッツ正則性に依存するインスタンス依存の一般化境界を導出する。
ニューラルネットワークに対する一般化境界を実験的に解析し、有界値が有意義であることを示し、トレーニング中の一般的な正規化方法の効果を捉える。
論文 参考訳（メタデータ） (2022-11-02T16:39:42Z) - Fundamental limits in Bayesian thermometry and attainability via
adaptive strategies [0.0]
ベイズ法における熱平衡における量子プローブを用いた熱測定の限界について検討する。
任意の相互作用と測定スキームに有効であるベイズ的設定における温度測定精度の究極的境界を求める。
線形(ショットノイズのような)スケーリングを許容しない非適応プロトコルに対して、ノーゴー定理を導出する。
論文 参考訳（メタデータ） (2021-08-12T19:14:20Z) - Positive-Negative Momentum: Manipulating Stochastic Gradient Noise to
Improve Generalization [89.7882166459412]
勾配雑音(SGN)は、ディープラーニングの暗黙の正規化として機能する。
深層学習を改善するためにランダムノイズを注入してSGNを人工的にシミュレートしようとした作品もある。
低計算コストでSGNをシミュレーションし、学習率やバッチサイズを変更することなく、PNM(Positive-Negative Momentum)アプローチを提案する。
論文 参考訳（メタデータ） (2021-03-31T16:08:06Z) - Global sensing and its impact for quantum many-body probes with
criticality [0.0]
ほとんどの量子センシングプロトコルは、未知のパラメータが非常に狭い領域内で変化する場合にのみ効率的に動作する。
追加の調整可能なパラメータが存在する多体プローブでは、我々のプロトコルは量子臨界性を利用するために性能を調整できる。
簡単な磁化測定でも最適化の恩恵を受け、理論精度を適度に提供できることが示される。
論文 参考訳（メタデータ） (2021-02-07T16:40:17Z) - Temporal Difference Uncertainties as a Signal for Exploration [76.6341354269013]
強化学習における探索の効果的なアプローチは、最適な政策に対するエージェントの不確実性に依存することである。
本稿では,評価値のバイアスや時間的に矛盾する点を強調した。
本稿では,時間差誤差の分布の導出に依存する値関数の不確かさを推定する手法を提案する。
論文 参考訳（メタデータ） (2020-10-05T18:11:22Z) - Bayesian parameter estimation using Gaussian states and measurements [0.0]
連続変数量子距離論における3つのパラダイム的推定スキームについて考察する。
ホモダインおよびヘテロダイン検出において,単一モードガウス状態で達成可能な精度について検討した。
これにより、優れた性能と単純な実験的実現の可能性を組み合わせたベイズ推定戦略を特定できる。
論文 参考訳（メタデータ） (2020-09-08T12:54:12Z)
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。