論文の概要: RAPID Quantum Detection and Demodulation of Covert Communications: Breaking the Noise Limit with Solid-State Spin Sensors

• arxiv url: http://arxiv.org/abs/2509.08171v1
• Date: Tue, 09 Sep 2025 22:12:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-11 15:16:52.257911
• Title: RAPID Quantum Detection and Demodulation of Covert Communications: Breaking the Noise Limit with Solid-State Spin Sensors
• Title（参考訳）: 被覆通信のRAPID量子検出と復調:固体スピンセンサによるノイズ限界の破滅
• Authors: Amirhossein Taherpour, Abbas Taherpour, Tamer Khattab,
• Abstract要約: 固体スピンセンサを用いた秘密電磁信号の検出と復調のための包括的枠組みを提案する。 我々のアプローチはRAPIDと呼ばれ、2段階のハイブリッド戦略であり、窒素空調センターを利用して古典的な騒音床の下を走行する。 この研究は、電子戦争や秘密監視のようなセキュリティクリティカルなアプリケーションに量子センサーを配置するための理論的に厳格で実用的な経路を確立する。
• 参考スコア（独自算出の注目度）: 5.246986428523558
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce a comprehensive framework for the detection and demodulation of covert electromagnetic signals using solid-state spin sensors. Our approach, named RAPID, is a two-stage hybrid strategy that leverages nitrogen-vacancy (NV) centers to operate below the classical noise floor employing a robust adaptive policy via imitation and distillation. We first formulate the joint detection and estimation task as a unified stochastic optimal control problem, optimizing a composite Bayesian risk objective under realistic physical constraints. The RAPID algorithm solves this by first computing a robust, non-adaptive baseline protocol grounded in the quantum Fisher information matrix (QFIM), and then using this baseline to warm-start an online, adaptive policy learned via deep reinforcement learning (Soft Actor-Critic). This method dynamically optimizes control pulses, interrogation times, and measurement bases to maximize information gain while actively suppressing non-Markovian noise and decoherence. Numerical simulations demonstrate that the protocol achieves a significant sensitivity gain over static methods, maintains high estimation precision in correlated noise environments, and, when applied to sensor arrays, enables coherent quantum beamforming that achieves Heisenberg-like scaling in precision. This work establishes a theoretically rigorous and practically viable pathway for deploying quantum sensors in security-critical applications such as electronic warfare and covert surveillance.
• Abstract（参考訳）: 固体スピンセンサを用いた秘密電磁信号の検出と復調のための包括的枠組みを提案する。 我々のアプローチはRAPIDと呼ばれ、窒素空洞(NV)センターを利用した2段階のハイブリッド戦略であり、古典的な騒音床の下を走行し、模倣と蒸留による堅牢な適応政策を採用している。 まず,統合確率的最適制御問題として共同検出・推定タスクを定式化し,現実的な物理的制約下での複合ベイズリスク目標を最適化する。 RAPIDアルゴリズムは、まず量子フィッシャー情報行列(QFIM)に基盤を置く堅牢で非適応的なベースラインプロトコルを計算し、次にこのベースラインを使用して、深い強化学習(Soft Actor-Critic)を通じて学習したオンライン適応ポリシーをウォームスタートする。 非マルコフノイズやデコヒーレンスを積極的に抑制しつつ、制御パルス、尋問時間、測定ベースを動的に最適化し、情報ゲインを最大化する。 数値シミュレーションにより、このプロトコルは静的な手法よりも大きな感度向上を実現し、相関ノイズ環境における高い推定精度を維持し、センサアレイに適用すると、ハイゼンベルクのような精度のスケーリングを実現するコヒーレントな量子ビームフォーミングを実現する。 この研究は、電子戦争や秘密監視のようなセキュリティクリティカルなアプリケーションに量子センサーを配置するための理論的に厳格で実用的な経路を確立する。

関連論文リスト

• A Two-stage Optimization Method for Wide-range Single-electron Quantum Magnetic Sensing [24.34017006786999]
  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。
  論文  参考訳（メタデータ） (2025-06-16T13:28:32Z)
• Manifestation of critical effects in environmental parameter estimation using a quantum sensor under dynamical control [0.0]
  環境記憶時間$tau_c$の推定における臨界行動の出現について検討する。 本研究は,量子パラメータ推定の精度向上を目的とした適応制御戦略の道を開くものである。
  論文  参考訳（メタデータ） (2025-04-11T08:42:29Z)
• Real-Time Adaptive Safety-Critical Control with Gaussian Processes in High-Order Uncertain Models [14.790031018404942]
  本稿では,不確実なパラメータを持つシステムを対象とした適応型オンライン学習フレームワークを提案する。 まず,差分スパースGPアルゴリズムを改良するために,まず忘れ係数を積分する。 第2フェーズでは,高次制御バリア関数に基づく安全フィルタを提案する。
  論文  参考訳（メタデータ） (2024-02-29T08:25:32Z)
• Robust Control for Dynamical Systems With Non-Gaussian Noise via Formal Abstractions [59.605246463200736]
  雑音分布の明示的な表現に依存しない新しい制御器合成法を提案する。 まず、連続制御系を有限状態モデルに抽象化し、離散状態間の確率的遷移によってノイズを捕捉する。 我々は最先端の検証技術を用いてマルコフ決定プロセスの間隔を保証し、これらの保証が元の制御システムに受け継がれるコントローラを演算する。
  論文  参考訳（メタデータ） (2023-01-04T10:40:30Z)
• Actor-Critic based Improper Reinforcement Learning [61.430513757337486]
  我々は,未知のマルコフ決定プロセスに対して,学習者に100万ドルのベースコントローラを付与する不適切な強化学習環境を考える。 本稿では,(1)ポリシーグラディエントに基づくアプローチ,(2)単純なアクター・クリティカル・スキームとNatural Actor-Criticスキームを切り替えるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-07-19T05:55:02Z)
• Benchmarking Machine Learning Algorithms for Adaptive Quantum Phase Estimation with Noisy Intermediate-Scale Quantum Sensors [0.0]
  ノイズ非絡み合った量子ビットをセンサとして使用する場合、適応的手法を用いて量子位相推定の精度を高めることができることを示す。 ガウスとランダムテレグラフの変動を含むシナリオに関して、これらのスキームをベンチマークする。 我々は、光光子を用いたマッハ・ツェンダー干渉法や閉じ込められたイオン中のラムゼー干渉法など、実際の実験装置と関連する雑音に対するロバスト性について論じる。
  論文  参考訳（メタデータ） (2021-08-16T09:10:32Z)
• Composably secure data processing for Gaussian-modulated continuous variable quantum key distribution [58.720142291102135]
  連続可変量子鍵分布(QKD)は、ボソニックモードの二次構造を用いて、2つのリモートパーティ間の秘密鍵を確立する。 構成可能な有限サイズセキュリティの一般的な設定におけるホモダイン検出プロトコルについて検討する。 特に、ハイレート(非バイナリ)の低密度パリティチェックコードを使用する必要のあるハイシグネチャ・ツー・ノイズ・システマを解析する。
  論文  参考訳（メタデータ） (2021-03-30T18:02:55Z)
• Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
  本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。 この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
  論文  参考訳（メタデータ） (2020-11-14T01:27:32Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)
• Robust Reinforcement Learning with Wasserstein Constraint [49.86490922809473]
  最適なロバストなポリシーの存在を示し、摂動に対する感度分析を行い、新しいロバストな学習アルゴリズムを設計する。 提案アルゴリズムの有効性はCart-Pole環境で検証する。
  論文  参考訳（メタデータ） (2020-06-01T13:48:59Z)

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。