Fugu-MT 論文翻訳(概要): Nanodiamond quantum thermometry assisted with machine learning

論文の概要: Nanodiamond quantum thermometry assisted with machine learning

arxiv url: http://arxiv.org/abs/2504.07582v1
Date: Thu, 10 Apr 2025 09:24:10 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-18 20:33:46.806612
Title: Nanodiamond quantum thermometry assisted with machine learning
Title（参考訳）: ナノダイアモンド量子温度測定と機械学習
Authors: Kouki Yamamoto, Kensuke Ogawa, Moeta Tsukamoto, Yuto Ashida, Kento Sasaki, Kensuke Kobayashi,
Abstract要約: ガウス過程回帰(GPR)を用いたモデルフリー機械学習をND量子温度測定に適用する。少数のデータポイントであっても、GPRがそれらよりも堅牢な結果を提供することを示す。この研究は、ND量子温度測定と機械学習の応用範囲を拡張した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Nanodiamonds (NDs) are quantum sensors that enable local temperature measurements, taking advantage of their small size. Though the model based analysis methods have been used for ND quantum thermometry, their accuracy has yet to be thoroughly investigated. Here, we apply model-free machine learning with the Gaussian process regression (GPR) to ND quantum thermometry and compare its capabilities with the existing methods. We prove that GPR provides more robust results than them, even for a small number of data points and regardless of the data acquisition methods. This study extends the range of applications of ND quantum thermometry with machine learning.
Abstract（参考訳）: ナノダイアモンド(Nanodiamonds, NDs)は、局所的な温度測定を可能にする量子センサーである。モデルに基づく解析法はND量子温度測定に使われてきたが、その正確性はまだ十分に研究されていない。本稿では、モデルフリー機械学習とガウス過程回帰(GPR)をND量子温度測定に適用し、既存の手法と比較する。我々は,GPRがデータ取得手法によらず,少数のデータポイントであっても,それらよりも堅牢な結果をもたらすことを証明した。この研究は、ND量子温度測定と機械学習の応用範囲を拡張した。

関連論文リスト

Leveraging recurrence in neural network wavefunctions for large-scale simulations of Heisenberg antiferromagnets: the square lattice [1.9681634372790209]
機械学習に基づく変分モンテカルロシミュレーションは、量子多体基底状態をターゲットにするための有望なアプローチである。我々は、リカレントニューラルネットワーク(RNN)を変分アンセットとして使用し、そのリカレント特性を活用して、徐々に大きなシステムの基底状態をシミュレートする。トレーニング時間を増やすことで,シミュレーションの結果の精度を体系的に向上できることを示す。
論文参考訳（メタデータ） (2025-02-24T13:35:23Z)
Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
ランダム量子スピン系の進化をモデル化するためにFNOを用いる。量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
論文参考訳（メタデータ） (2024-09-05T07:18:09Z)
Error channels in quantum nondemolition measurements on spin systems [0.0]
量子非破壊測定(QND)は、量子情報処理の貴重な資源である。反復QND測定は、基礎となる単発測定が低忠実度であっても、キュービットの準備と測定の忠実度を高めることができる。モデルスピン量子ビット系における完全QND測定の偏差から生じる誤差の理解と定量化のための理論的枠組みを開発する。
論文参考訳（メタデータ） (2023-07-26T11:01:57Z)
Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文参考訳（メタデータ） (2022-12-21T19:00:04Z)
Validation tests of GBS quantum computers give evidence for quantum advantage with a decoherent target [62.997667081978825]
複数モードデータの検証に指紋としてグループカウント確率の正P位相空間シミュレーションを用いる。偽データを解き放つ方法を示し、これを古典的なカウントアルゴリズムに適用する。
論文参考訳（メタデータ） (2022-11-07T12:00:45Z)
Optimal Thermometers with Spin Networks [0.0]
与えられたプローブの熱容量は、その他の特性の中で、温度推定における最大精度を決定する基本的な量である。我々は$mathcalC$の理論的最大値を近似し、短距離および長距離の相互作用に対する最適スケーリングを維持するために解析的に示す。我々のモデルは、現在利用可能な量子アニールにエンコードでき、ハミルトン工学を必要とする他のタスクにも応用できる。
論文参考訳（メタデータ） (2022-11-03T16:19:27Z)
Neural network enhanced measurement efficiency for molecular groundstates [63.36515347329037]
いくつかの分子量子ハミルトニアンの複雑な基底状態波動関数を学習するために、一般的なニューラルネットワークモデルを適用する。ニューラルネットワークモデルを使用することで、単一コピー計測結果だけで観測対象を再構築するよりも堅牢な改善が得られます。
論文参考訳（メタデータ） (2022-06-30T17:45:05Z)
Probing finite-temperature observables in quantum simulators of spin systems with short-time dynamics [62.997667081978825]
ジャジンスキー等式から動機付けられたアルゴリズムを用いて, 有限温度可観測体がどのように得られるかを示す。長範囲の逆場イジングモデルにおける有限温度相転移は、捕捉されたイオン量子シミュレータで特徴づけられることを示す。
論文参考訳（メタデータ） (2022-06-03T18:00:02Z)
Towards Quantum Graph Neural Networks: An Ego-Graph Learning Approach [47.19265172105025]
グラフ構造化データのための新しいハイブリッド量子古典アルゴリズムを提案し、これをEgo-graph based Quantum Graph Neural Network (egoQGNN)と呼ぶ。 egoQGNNはテンソル積とユニティ行列表現を用いてGNN理論フレームワークを実装し、必要なモデルパラメータの数を大幅に削減する。このアーキテクチャは、現実世界のデータからヒルベルト空間への新しいマッピングに基づいている。
論文参考訳（メタデータ） (2022-01-13T16:35:45Z)
Non-Markovian quantum thermometry [11.884385161872164]
量子貯水池の温度を測定するために,非マルコフ量子温度測定法を提案する。この感度を高めるのは、全温度計・貯留層系の量子臨界度であることがわかった。
論文参考訳（メタデータ） (2021-09-06T09:39:08Z)
Machine classification for probe based quantum thermometry [0.0]
プローブに基づく量子温度測定を考察し、機械分類がモデルに依存しない推定を提供することを示す。提案手法はk-nearest-neighborアルゴリズムに基づく。
論文参考訳（メタデータ） (2021-07-09T17:16:27Z)
Optimal Quantum Thermometry with Coarse-grained Measurements [0.0]
粗い粒度しか測定できない場合の温度推定の精度限界について検討する。本結果は多体系および非平衡熱測定に応用する。
論文参考訳（メタデータ） (2020-11-20T17:12:55Z)
Real-time estimation of the optically detected magnetic resonance shift in diamond quantum thermometry [47.50219326456544]
ナノダイヤモンド(NDs)における窒素空孔中心の光検出磁気共鳴(ODMR)の周波数シフトのリアルタイム推定手法について検討する。近年,多点ODMR測定とND粒子追跡を蛍光顕微鏡に効果的に統合することで,生体内温度の安定なモニタリングが実証されている。
論文参考訳（メタデータ） (2020-06-12T01:44:35Z)

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。