論文の概要: Closing the detection loophole in the triangle network with high-dimensional photonic states

• arxiv url: http://arxiv.org/abs/2503.24213v1
• Date: Mon, 31 Mar 2025 15:31:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-01 14:34:34.876691
• Title: Closing the detection loophole in the triangle network with high-dimensional photonic states
• Title（参考訳）: 高次元フォトニック状態を持つ三角形ネットワークにおける検出ループホールの閉鎖
• Authors: Tamás Kriváchy, Martin Kerschbaumer,
• Abstract要約: N00N 状態に基づく非局所性は、N=2$ の場合、光子損失に対して非常に高いロバスト性を有することを示す。 優先的なノイズ要因,伝送チャネルにおける単一光子損失に対して,ノイズを最大10%の損失に認定することができる。 また,SPDCに基づく不完全情報源においても頑健性は保たれることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Bell nonlocality without input settings, e.g. in the triangle network, has been perceived to be particularly fragile, with low robustness to noise in physical implementations. Here we show to the contrary that nonlocality based on N00N states already for $N=2$ has an exceptionally high robustness to photon loss. For the dominant noise factor, single photon loss in the transmission channels, we can certify noise robustness up to 10\% loss, while for a realistic noise model we use neural network-based heuristics to observe $\sim 50\%$ robustness. Moreover we show that the robustness holds even for imperfect sources based on SPDC sources, where the heralding information of the sources can be used to avoid any global post-processing of the outcomes, such as discarding rounds when photons fail to arrive, and thus demonstrate how the detection loophole in the triangle network can be closed.
• Abstract（参考訳）: 入力設定のないベル非局所性(例えば三角形ネットワーク)は、物理的実装におけるノイズに対するロバスト性の低い、特に脆弱であると考えられてきた。 ここでは、N00N状態に基づく非局所性が既に$N=2$の場合、光子損失に対して非常に高いロバスト性を持つことを示す。 支配的なノイズ要因、伝送チャネルにおける単一光子損失に対しては、ノイズロバスト性を最大10倍の損失で証明する一方、現実的なノイズモデルでは、ニューラルネットワークに基づくヒューリスティックスを用いて、$\sim 50\%$ロバストネスを観測する。 また,SPDCに基づく不完全な情報源においてもロバスト性が保たれており,光子が届かなかった場合のラウンドの破棄などの結果のグローバルな後処理を回避するために,情報源の隠蔽情報を使用することが可能であることを示す。

関連論文リスト

• Learning to Enhance Aperture Phasor Field for Non-Line-of-Sight Imaging [22.365437882740657]
  本研究の目的は,サンプリングやスキャンエリアの数を削減し,より実用的なNLOSイメージングを実現することである。 本研究では,デノナイズドオートエンコーダ方式を利用して,測定空間におけるリッチでノイズの多い表現を得る。 我々は、ネットワークのスペクトルを周波数範囲に制限するために、ファサーベースパイプラインを導入する。
  論文  参考訳（メタデータ） (2024-07-26T07:57:07Z)
• Towards Inductive Robustness: Distilling and Fostering Wave-induced Resonance in Transductive GCNs Against Graph Adversarial Attacks [56.56052273318443]
  グラフニューラルネットワーク(GNN)は、グラフ構造のわずかな摂動が誤った予測に繋がる敵の攻撃に弱いことが示されている。 ここでは, トランスダクティブGCNは本質的に, 波動誘起共鳴プロセスによって達成される, 蒸留可能なロバスト性を有することがわかった。 本稿では,この共振を学習ノード表現を通じて促進するグラフ共振源ネットワーク(GRN)を提案する。
  論文  参考訳（メタデータ） (2023-12-14T04:25:50Z)
• Self-supervised Image Denoising with Downsampled Invariance Loss and Conditional Blind-Spot Network [12.478287906337194]
  ほとんどの代表的自己監督型デノイザーは盲点ネットワークに基づいている。 標準的な盲点ネットワークは、ノイズの画素ワイド相関により、実際のカメラノイズを低減できない。 実雑音を除去できる新しい自己教師型トレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-19T08:55:27Z)
• Spatially Adaptive Self-Supervised Learning for Real-World Image Denoising [73.71324390085714]
  本稿では,現実の sRGB 画像復号化の問題を解決するために,新しい視点を提案する。 ノイズの多い画像における平坦領域とテクスチャ領域のそれぞれの特徴を考慮し、それらを個別に管理する。 LAN自体がBNNの出力で管理されているのに対して,我々はその要件を満たすためのローカル・アウェア・ネットワーク(LAN)を提案する。
  論文  参考訳（メタデータ） (2023-03-27T06:18:20Z)
• Deep Convolutional Framelet Denoising for Panoramic by Mixed Wavelet Integration [0.0]
  この領域で最も重要な課題の1つは、常に画像ノイズを下げることである。 本稿では,この波形とD4ウェーブレットを高エネルギー濃度で結合し,U-Netニューラルネットワークアーキテクチャを用いることを提案する。 他のデータセットによる研究によると、ワンウェーブネットワークの有効性は0.5%から1.2%に増加した。
  論文  参考訳（メタデータ） (2023-01-25T11:00:32Z)
• N2V2 -- Fixing Noise2Void Checkerboard Artifacts with Modified Sampling Strategies and a Tweaked Network Architecture [66.03918859810022]
  我々は,バニラN2V装置に2つの改良を加えて,不要なアーティファクトを大幅に削減する。 我々は、顕微鏡および自然画像データに基づいて、その修正を検証した。
  論文  参考訳（メタデータ） (2022-11-15T21:12:09Z)
• Single-photon nonlocality in quantum networks [55.41644538483948]
  単一光子の絡み合った状態の非局所性は、それでもビームスプリッタと光検出器のみからなる量子ネットワークにおいて明らかにできることを示す。 この結果から,単光子絡み合いはベルベースの量子情報プロトコルに有用な真のネットワーク非局所相関を生成するための有望な解となる可能性が示唆された。
  論文  参考訳（メタデータ） (2021-08-03T20:13:24Z)
• Toward Generating Synthetic CT Volumes using a 3D-Conditional Generative Adversarial Network [1.5846249630722484]
  雑音および/または画素近似からボクセル内の3次元CTスキャンを生成することができる条件付き生成逆ネットワーク(cGAN)アーキテクチャ。 条件付きcGANは3次元CTボリュームを生成するための抽出可能なアプローチであると考えている。
  論文  参考訳（メタデータ） (2021-04-02T12:25:37Z)
• Neighbor2Neighbor: Self-Supervised Denoising from Single Noisy Images [98.82804259905478]
  Neighbor2Neighborを提示し、ノイズの多い画像のみで効果的な画像消音モデルをトレーニングします。 ネットワークのトレーニングに使用される入力とターゲットは、同じノイズ画像からサブサンプリングされた画像である。 デノイジングネットワークは、第1段階で生成されたサブサンプルトレーニングペアで訓練され、提案された正規化器は、より良いパフォーマンスのための追加の損失として訓練される。
  論文  参考訳（メタデータ） (2021-01-08T02:03:25Z)
• Salvage Reusable Samples from Noisy Data for Robust Learning [70.48919625304]
  本稿では,Web画像を用いた深部FGモデルのトレーニングにおいて,ラベルノイズに対処するための再利用可能なサンプル選択と修正手法を提案する。 私たちのキーとなるアイデアは、再利用可能なサンプルの追加と修正を行い、それらをクリーンな例とともに活用してネットワークを更新することです。
  論文  参考訳（メタデータ） (2020-08-06T02:07:21Z)
• A Diffractive Neural Network with Weight-Noise-Injection Training [0.0]
  重み付きノイズインジェクショントレーニングに基づく強靭性を有する拡散型ニューラルネットワークを提案する。 回折層は一定の表面形状誤差を有する一方で、正確で高速な光学ベースの分類を実現する。
  論文  参考訳（メタデータ） (2020-06-08T10:41:29Z)

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。