論文の概要: Low Cost Bayesian Experimental Design for Quantum Frequency Estimation with Decoherence

• arxiv url: http://arxiv.org/abs/2508.07120v1
• Date: Sat, 09 Aug 2025 23:41:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:28.710895
• Title: Low Cost Bayesian Experimental Design for Quantum Frequency Estimation with Decoherence
• Title（参考訳）: デコヒーレンスを用いた量子周波数推定のための低コストベイズ実験設計
• Authors: Alexandra Ramôa, Luís Paulo Santos, Akihito Soeda,
• Abstract要約: WES: 低コスト適応型ベイズ実験設計のためのウィンドウ拡張戦略を紹介する。 我々は、最適化のオーバーヘッドを低く抑え、スケーリング問題を抑え、高い並列性を実現するために、実証的なコスト削減技術を採用している。 数値シミュレーションにより、WESはハイゼンベルク限界を飽和させ、最も信頼性の高い性能と学習速度を提供することが示された。
• 参考スコア（独自算出の注目度）: 45.74830585715129
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A two-level quantum system evolving under a time-independent Hamiltonian produces oscillatory measurement probabilities. The estimation of the associated frequency is a cornerstone problem in quantum metrology, sensing, calibration and control. In this work, we tackle this task by introducing WES: a Window Expansion Strategy for low cost adaptive Bayesian experimental design. WES employs empirical cost-reduction techniques to keep the optimization overhead low, curb scaling problems, and enable high degrees of parallelism. Unlike previous heuristics, it offers adjustable classical processing costs that determine the performance standard. As a benchmark, we analyze the performance of widely adopted heuristics, comparing them with the fundamental limits of metrology and a baseline random strategy. Numerical simulations show that WES delivers the most reliable performance and fastest learning rate, saturating the Heisenberg limit.
• Abstract（参考訳）: 時間に依存しないハミルトニアンの下で進化する2レベル量子系は振動測定確率を生成する。 関連する周波数の推定は、量子力学、センシング、校正、制御における基礎的な問題である。 本研究では、低コスト適応型ベイズ実験設計のためのWES: Window Expansion Strategyを導入することで、この問題に対処する。 WESは、最適化のオーバーヘッドを低く抑え、スケーリングの問題を抑制し、高い並列性を実現するために、実証的なコスト削減技術を採用している。 従来のヒューリスティックスとは異なり、パフォーマンス標準を決定する調整可能な古典的な処理コストを提供する。 ベンチマークとして、広く採用されているヒューリスティックスの性能を分析し、メトロジーの基本的限界とベースラインランダム戦略と比較する。 数値シミュレーションにより、WESはハイゼンベルク限界を飽和させ、最も信頼性の高い性能と学習速度を提供することが示された。

関連論文リスト

• TensoMeta-VQC: A Tensor-Train-Guided Meta-Learning Framework for Robust and Scalable Variational Quantum Computing [60.996803677584424]
  TensoMeta-VQCは、VQCの堅牢性とスケーラビリティを大幅に向上させるために設計された、TT誘導型メタラーニングフレームワークである。 我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに完全に委譲し、量子ハードウェアから最適化を効果的に分離する。
  論文  参考訳（メタデータ） (2025-08-01T23:37:55Z)
• Resource-Efficient Hadamard Test Circuits for Nonlinear Dynamics on a Trapped-Ion Quantum Computer [1.2063443893298391]
  本稿では,Adamardテスト回路の低深さ実装を提案する。 我々は変分アルゴリズムに特化してパラメータ化量子アンサッツを開発した。 以上の結果より,シングルビットゲート数と2ビットゲート数が有意に減少した。
  論文  参考訳（メタデータ） (2025-07-25T13:16:54Z)
• Bayesian Quantum Amplitude Estimation [49.1574468325115]
  量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。 耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。 本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
  論文  参考訳（メタデータ） (2024-12-05T18:09:41Z)
• Optimal Low-Depth Quantum Signal-Processing Phase Estimation [0.029541734875307393]
  絡み合いのような量子効果は、古典的な限界を超えた量子パラメータ推定の精度を大幅に向上させるのに使うことができる。 これらの課題に対して頑健な量子信号生成位相推定アルゴリズムを導入する。 超伝導2量子ビット実験において不要なスワップ角度を推定するための標準偏差精度は10～4ドルである。
  論文  参考訳（メタデータ） (2024-06-17T10:33:52Z)
• 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)
• Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
  本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。 3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
  論文  参考訳（メタデータ） (2021-08-03T17:49:09Z)
• Optimal non-classical correlations of light with a levitated nano-sphere [34.82692226532414]
  非古典的相関は、量子技術における多くの応用のためのリソースを提供する。 オプトメカニカルシステムは、メカニカルモードと移動光モードの間の非古典的相関を生成することができる。 このようなシステムにおける量子相関生成の自動最適化を提案する。
  論文  参考訳（メタデータ） (2020-06-26T15:27:47Z)

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。