論文の概要: Single-photon emission modeling with statistical estimators for the exponential distribution

• arxiv url: http://arxiv.org/abs/2506.12134v1
• Date: Fri, 13 Jun 2025 18:00:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:45.293934
• Title: Single-photon emission modeling with statistical estimators for the exponential distribution
• Title（参考訳）: 指数分布に対する統計的推定器を用いた単一光子放射モデル
• Authors: Artur Czerwinski, Katarzyna Czerwinska, Xiangji Cai, Asad Ali, Hashir Kuniyil, Atta ur Rahman, Saif Al-Kuwari, Saeed Haddadi,
• Abstract要約: 単一光子源は、センシングやイメージングから通信まで、多くの量子技術で使用されている。 単一光子放出過程を記述するための統計的枠組みを提案し,この現象を定量化するための指数分布推定器を実装した。
• 参考スコア（独自算出の注目度）: 1.1568737189471434
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Single-photon sources are used in numerous quantum technologies, from sensing and imaging to communication, making the accurate modeling of their emissions essential. In this work, we propose a statistical framework for describing single-photon emission processes and implement estimators for the exponential distribution to quantify this phenomenon. Our approach provides a reliable method for estimating the radiative decay time, represented by the inverse rate parameter, which is crucial in quantum optics applications. We explore several statistical estimators, including maximum likelihood estimation, minimum-variance unbiased estimator, and best linear unbiased estimator. To validate our theoretical methods, we test the proposed estimators on experimental data, demonstrating their applicability in real-world settings. We also evaluate the performance of these estimators when dealing with censored data, a frequent limitation in photon emission experiments. The analysis allows us to track the performance of the proposed estimators as the amount of available data decreases, providing insights into their reliability for modeling single-photon emission events under limited resources.
• Abstract（参考訳）: 単一光子源は、センシングやイメージングから通信まで多くの量子技術で使われ、その放射の正確なモデリングが不可欠である。 本研究では, この現象を定量化するために, 単一光子放出過程を記述し, 指数分布の推定器を実装する統計的枠組みを提案する。 提案手法は, 量子光学応用において重要な逆速度パラメータで表される放射減衰時間を推定するための信頼性の高い手法を提供する。 本稿では,最大推定値,最小分散アンバイアス推定値,最良線形アンバイアス推定値など,いくつかの統計的推定値について検討する。 理論的手法を検証するため,提案した推定器を実験データで検証し,実環境における適用性を実証した。 また、光子放射実験において、検閲されたデータを扱う際に、これらの推定器の性能を評価する。 この分析により、利用可能なデータ量が減少するにつれて、提案した推定器の性能を追跡することができ、限られたリソース下での単一光子放出イベントをモデル化するための信頼性に関する洞察を与えることができる。

関連論文リスト

• Source-Free Domain-Invariant Performance Prediction [68.39031800809553]
  本研究では,不確実性に基づく推定を主軸としたソースフリー手法を提案する。 オブジェクト認識データセットのベンチマーク実験により、既存のソースベースの手法は、限られたソースサンプルの可用性で不足していることが判明した。 提案手法は,現在の最先端のソースフリーおよびソースベース手法よりも優れており,ドメイン不変性能推定の有効性が確認されている。
  論文  参考訳（メタデータ） (2024-08-05T03:18:58Z)
• Shedding Light on Large Generative Networks: Estimating Epistemic Uncertainty in Diffusion Models [15.352556466952477]
  生成拡散モデルは、その大きなパラメータ数(1億を超える)と高次元画像空間での操作で顕著である。 本研究では,拡散モデルに対する疫学的不確実性を推定するための新しいフレームワークであるDiffusion Ensembles for Capturing Uncertainty (DECU)を導入する。
  論文  参考訳（メタデータ） (2024-06-05T14:03:21Z)
• Towards Accurate Post-training Quantization for Diffusion Models [73.19871905102545]
  本稿では,効率的な画像生成のための拡散モデル(ADP-DM)の高精度なデータフリーポストトレーニング量子化フレームワークを提案する。 提案手法は, 拡散モデルの学習後の量子化を, 同様の計算コストで, 非常に大きなマージンで高速化する。
  論文  参考訳（メタデータ） (2023-05-30T04:00:35Z)
• Efficient validation of Boson Sampling from binned photon-number distributions [0.0]
  単光子入力を用いたボソンサンプリング器の正しい機能テストを提案する。 理論的議論と数値シミュレーションを通して、双モード光子数分布が現実的なシナリオで利用できることを示す。
  論文  参考訳（メタデータ） (2022-12-19T17:22:35Z)
• Bayesian model calibration for block copolymer self-assembly: Likelihood-free inference and expected information gain computation via measure transport [6.496038875667294]
  ブロック共重合体(BCP)の自己組織化現象を記述するモデルの校正について考察する。 測度輸送に基づく確率自由なアプローチを用いて、この挑戦的なベイズ推定問題に取り組む。 ダイブロック共重合体薄膜自己組織化のための大田-川崎モデルに基づく数値ケーススタディを提案する。
  論文  参考訳（メタデータ） (2022-06-22T19:38:52Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Efficient Debiased Evidence Estimation by Multilevel Monte Carlo Sampling [0.0]
  ベイズ推論に基づくマルチレベルモンテカルロ法(MLMC)の最適化手法を提案する。 計算結果から,従来の推定値と比較すると,かなりの計算量の削減が確認できた。
  論文  参考訳（メタデータ） (2020-01-14T09:14:24Z)

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。