論文の概要: Fast and Accurate Method for Doppler Averaging of Rydberg EIT Signals
- arxiv url: http://arxiv.org/abs/2501.02141v1
- Date: Fri, 03 Jan 2025 23:18:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-07 17:06:50.786307
- Title: Fast and Accurate Method for Doppler Averaging of Rydberg EIT Signals
- Title(参考訳): Rydberg EIT信号のドップラー平均化の高速化と高精度化
- Authors: Omar Nagib, Thad G. Walker,
- Abstract要約: 本稿では,運動方程式を2回解くだけで,高速で正確な速度推定を可能にする手法を提案する。
この方法は、メモリと時間計算資源を1桁から数桁の規模で節約することが期待されている。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Modeling the effect of Doppler broadening due to the thermal atomic motion of Rydberg sensors typically relies on sampling a large velocity class, solving the equations of motion for each velocity, and then averaging the atomic density matrix over that velocity class. This process is inexact, slow, and presents a bottleneck in simulating Rydberg sensors. We present an approach that allows for fast, exact velocity averaging just by solving the equations of motion twice. We find the "propagator" that acts on the zero-velocity solution to generate the velocity-dependent atomic state for all velocities. By averaging this propagator over the Maxwell-Boltzmann velocity distribution of the atoms, we obtain an explicit, analytic formula that generates the averaged atomic state. This method is expected to save memory and time computational resources by one to several orders of magnitude, compared to traditional sampling approaches.
- Abstract(参考訳): レイドバーグセンサーの熱原子運動によるドップラー拡大の効果のモデル化は、通常、大きな速度クラスをサンプリングし、各速度の運動方程式を解き、その速度クラス上で原子密度行列を平均化する。
このプロセスは不正確で遅く、ライドバーグセンサーをシミュレートするボトルネックとなる。
本稿では,運動方程式を2回解くだけで,高速で正確な速度推定を可能にする手法を提案する。
すべての速度に対する速度依存原子状態を生成するため、ゼロ速度解に作用する「プロパゲータ」を見つける。
このプロパゲータを原子のマクスウェル・ボルツマン速度分布上で平均化することにより、平均化された原子状態を生成する明示的な解析式を得る。
この方法は,従来のサンプリング手法と比較して,メモリと時間計算資源を1~数桁の規模で節約することが期待される。
関連論文リスト
- Fast Diffusion Model [122.36693015093041]
拡散モデル(DM)は、複雑なデータ分布を捉える能力を持つ様々な分野に採用されている。
本稿では,DM最適化の観点から,高速拡散モデル (FDM) を提案する。
論文 参考訳(メタデータ) (2023-06-12T09:38:04Z) - Fast Sampling of Diffusion Models via Operator Learning [74.37531458470086]
我々は,拡散モデルのサンプリング過程を高速化するために,確率フロー微分方程式の効率的な解法であるニューラル演算子を用いる。
シーケンシャルな性質を持つ他の高速サンプリング手法と比較して、並列復号法を最初に提案する。
本稿では,CIFAR-10では3.78、ImageNet-64では7.83の最先端FIDを1モデル評価環境で達成することを示す。
論文 参考訳(メタデータ) (2022-11-24T07:30:27Z) - Pseudo Numerical Methods for Diffusion Models on Manifolds [77.40343577960712]
Denoising Diffusion Probabilistic Models (DDPM) は、画像やオーディオサンプルなどの高品質なサンプルを生成することができる。
DDPMは最終的なサンプルを生成するために数百から数千のイテレーションを必要とする。
拡散モデル(PNDM)の擬似数値法を提案する。
PNDMは、1000段DDIM(20倍の高速化)と比較して、50段の精度で高品質な合成画像を生成することができる
論文 参考訳(メタデータ) (2022-02-20T10:37:52Z) - Doppler velocity-based algorithm for Clustering and Velocity Estimation
of moving objects [11.328509097182895]
本稿では,FMCW LiDARの特性に基づくドップラー速度クラスタと速度推定アルゴリズムを提案する。
提案アルゴリズムは,少なくとも4.5万個の点を処理し,3600x CPUの演算パワーで毎秒150個の移動物体の速度を推定できることを示す。
論文 参考訳(メタデータ) (2021-12-24T07:57:28Z) - Nesterov Accelerated ADMM for Fast Diffeomorphic Image Registration [63.15453821022452]
ディープラーニングに基づくアプローチの最近の発展は、DiffIRのサブ秒間実行を実現している。
本稿では,中間定常速度場を機能的に構成する簡易な反復スキームを提案する。
次に、任意の順序の正規化項を用いて、これらの速度場に滑らかさを課す凸最適化モデルを提案する。
論文 参考訳(メタデータ) (2021-09-26T19:56:45Z) - Seismic wave propagation and inversion with Neural Operators [7.296366040398878]
我々は、最近開発されたNeural Operatorと呼ばれる機械学習パラダイムを用いて、一般的なソリューションを学習するためのプロトタイプフレームワークを開発した。
訓練されたニューラル演算子は、任意の速度構造やソース位置について、無視可能な時間で解を計算することができる。
本手法を2次元音響波動方程式を用いて説明し, 地震トモグラフィへの適用性を実証する。
論文 参考訳(メタデータ) (2021-08-11T19:17:39Z) - Fast and differentiable simulation of driven quantum systems [58.720142291102135]
我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。
回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
論文 参考訳(メタデータ) (2020-12-16T21:43:38Z) - Hessian-Free High-Resolution Nesterov Acceleration for Sampling [55.498092486970364]
最適化のためのNesterovのAccelerated Gradient(NAG)は、有限のステップサイズを使用する場合の連続時間制限(ノイズなしの運動的ランゲヴィン)よりも優れたパフォーマンスを持つ。
本研究は, この現象のサンプリング法について検討し, 離散化により加速勾配に基づくMCMC法が得られる拡散過程を提案する。
論文 参考訳(メタデータ) (2020-06-16T15:07:37Z) - Quantum-Enhanced Velocimetry with Doppler-Broadened Atomic Vapor [3.930404762282402]
移動室温度の原子蒸気セルを透過する光の分散測定を用いて、単発でセルの速度を計測する。
単一原子の測定とは対照的に、この方法は原子の集合運動に基づいており、その速度分布を知ることなくアンサンブルのc.m.速度を感知することができる。
論文 参考訳(メタデータ) (2020-03-07T02:20:39Z) - Average-case Acceleration Through Spectral Density Estimation [35.01931431231649]
ランダム2次問題の平均ケース解析のためのフレームワークを開発する。
この分析で最適なアルゴリズムを導出する。
我々は, 均一性, マルテンコ・パストゥル, 指数分布の明示的アルゴリズムを開発した。
論文 参考訳(メタデータ) (2020-02-12T01:44:26Z)
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。