論文の概要: A Two-stage Optimization Method for Wide-range Single-electron Quantum Magnetic Sensing

• arxiv url: http://arxiv.org/abs/2506.13469v1
• Date: Mon, 16 Jun 2025 13:28:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:48.498775
• Title: A Two-stage Optimization Method for Wide-range Single-electron Quantum Magnetic Sensing
• Title（参考訳）: 広帯域単一電子量子磁気センサの2段階最適化法
• Authors: Shiqian Guo, Jianqing Liu, Thinh Le, Huaiyu Dai,
• Abstract要約: スピン系に基づく量子磁気センサは、前例のない感度で超弱磁場を検出するための新しいパラダイムとして登場した。 本研究では,2段階最適化手法を用いた新しいプロトコルの設計について報告する。 提案プロトコルは、制約付き全センシング時間予算の下で、NV中心電子スピンの単発読み出しの困難な状況下で開発され、評価される。
• 参考スコア（独自算出の注目度）: 24.34017006786999
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Quantum magnetic sensing based on spin systems has emerged as a new paradigm for detecting ultra-weak magnetic fields with unprecedented sensitivity, revitalizing applications in navigation, geo-localization, biology, and beyond. At the heart of quantum magnetic sensing, from the protocol perspective, lies the design of optimal sensing parameters to manifest and then estimate the underlying signals of interest (SoI). Existing studies on this front mainly rely on adaptive algorithms based on black-box AI models or formula-driven principled searches. However, when the SoI spans a wide range and the quantum sensor has physical constraints, these methods may fail to converge efficiently or optimally, resulting in prolonged interrogation times and reduced sensing accuracy. In this work, we report the design of a new protocol using a two-stage optimization method. In the 1st Stage, a Bayesian neural network with a fixed set of sensing parameters is used to narrow the range of SoI. In the 2nd Stage, a federated reinforcement learning agent is designed to fine-tune the sensing parameters within a reduced search space. The proposed protocol is developed and evaluated in a challenging context of single-shot readout of an NV-center electron spin under a constrained total sensing time budget; and yet it achieves significant improvements in both accuracy and resource efficiency for wide-range D.C. magnetic field estimation compared to the state of the art.
• Abstract（参考訳）: スピン系に基づく量子磁気センシングは、前代未聞の感度で超弱磁場を検出するための新しいパラダイムとして登場し、ナビゲーション、地理的局在化、生物学などにも応用されている。 量子磁気センシングの核心は、プロトコルの観点からは、最適な検出パラメータを設計し、その基礎となる関心の信号(SoI)を推定するものである。 この分野での既存の研究は、主にブラックボックスAIモデルや公式駆動の原理探索に基づく適応アルゴリズムに依存している。 しかし、SoIが広い範囲に広がり、量子センサーが物理的に制約がある場合、これらの手法は効率よく最適に収束できず、長い尋問時間と感度の精度が低下する可能性がある。 本研究では,2段階最適化手法を用いた新しいプロトコルの設計について報告する。 第1段階では、固定された検知パラメータのセットを持つベイズニューラルネットワークを用いて、SoIの範囲を狭める。 第2段階において、連合強化学習エージェントは、検出パラメータを縮小された検索空間内で微調整するように設計されている。 提案プロトコルは,NV中心電子スピンの単発読み出しの困難な状況下で,制約付き全センシング時間予算下で開発され,評価されるが,広帯域D.C.磁場推定における精度と資源効率は,最先端の最先端技術と比較して大きく向上する。

関連論文リスト

• Optimized quantum sensor networks for ultralight dark matter detection [0.0]
  ダークマター (DM) は、基礎物理学において最も説得力のない未解決問題の一つである。 超軽量DMフィールドに対する感度を高めるために,ネットワークベースの量子センサアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-05-27T13:38:59Z)
• PhySense: Sensor Placement Optimization for Accurate Physics Sensing [71.02216400133858]
  PhySenseは、物理的なフィールドを共同で再構築し、センサー配置を最適化するフレームワークである。 最先端の物理センサーの精度を達成し、以前は考えられていなかった情報的なセンサー配置を発見する。
  論文  参考訳（メタデータ） (2025-05-19T14:59:11Z)
• Phase-Based Approaches for Rapid Construction of Magnetic Fields in NV Magnetometry [9.378134074181768]
  本稿では、光検出磁気共鳴(ODMR)信号から磁場を推定する。 ODMR信号の位相推定へのシフトを計算効率の良い手法として提案する。 その結果,提案手法は既存手法に比べて計算時間を著しく短縮することがわかった。
  論文  参考訳（メタデータ） (2024-08-17T08:58:27Z)
• Optimal Multiparameter Metrology: The Quantum Compass Solution [0.0]
  繰り返し測定による複数物理パラメータの最適量子センシングについて検討した。 最適性基準の両方を満たす入力状態と測定値の組み合わせを同定する。 得られた最適センサを量子コンパス解と呼ぶ。
  論文  参考訳（メタデータ） (2024-04-22T14:03:46Z)
• Optical Quantum Sensing for Agnostic Environments via Deep Learning [59.088205627308]
  本稿では,革新的な深層学習に基づく量子センシング手法を提案する。 これにより、光学量子センサーは、非依存環境でハイゼンベルク限界(HL)に達することができる。 我々の発見は、光学量子センシングタスクを加速する新しいレンズを提供する。
  論文  参考訳（メタデータ） (2023-11-13T09:46:05Z)
• Real-time adaptive estimation of decoherence timescales for a single qubit [2.6938732235832044]
  量子コヒーレンスが存続する時間を特徴付けることは、量子ビット、記憶、センサーの実装に不可欠である。 簡単な解析的更新規則に基づく適応型多パラメータ手法を提案し,鍵デコヒーレンスをリアルタイムで推定する。 因子 $sim 2$ のさらなるスピードアップは、分散に対して感度に関して最適化を行うことによって実現できる。
  論文  参考訳（メタデータ） (2022-10-12T11:28:23Z)
• Information Entropy Initialized Concrete Autoencoder for Optimal Sensor Placement and Reconstruction of Geophysical Fields [58.720142291102135]
  そこで本稿では,スパーク計測による地場再構成のためのセンサ配置の最適化について提案する。 本研究では, (a) 温度と (b) バレンツ海周辺の塩分濃度場とスバルバルド諸島群を例に示す。 得られた最適センサ位置は, 物理的解釈が明確であり, 海流の境界に対応することが判明した。
  論文  参考訳（メタデータ） (2022-06-28T12:43:38Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• Optimal circular dichroism sensing with quantum light: Multi-parameter estimation approach [0.0]
  円二色性(CD)は、キラル構造の異なるエナンチオマーを区別するために用いられる。 信号レベルは非常に低く、信号対雑音比の増大が最重要となる。 ここでは、CDセンシングにおける光の量子状態を用いて、ショットノイズ限界以下のノイズを低減することを提案する。
  論文  参考訳（メタデータ） (2020-08-10T04:00:15Z)
• APQ: Joint Search for Network Architecture, Pruning and Quantization Policy [49.3037538647714]
  本稿では,リソース制約のあるハードウェア上での効率的なディープラーニング推論のためのAPQを提案する。 ニューラルアーキテクチャ、プルーニングポリシー、量子化ポリシーを別々に検索する従来の方法とは異なり、我々はそれらを共同で最適化する。 同じ精度で、APQはMobileNetV2+HAQよりもレイテンシ/エネルギーを2倍/1.3倍削減する。
  論文  参考訳（メタデータ） (2020-06-15T16:09:17Z)

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。