論文の概要: Sequential analysis in a continuous spin-noise quantum sensor
- arxiv url: http://arxiv.org/abs/2509.16177v1
- Date: Fri, 19 Sep 2025 17:39:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-22 18:18:11.257462
- Title: Sequential analysis in a continuous spin-noise quantum sensor
- Title（参考訳）: 連続スピンノイズ量子センサにおける逐次解析
- Authors: Elisabet Roda-Salichs, Giulio Gasbarri, Antoni Alou, Michalis Skotiniotis, Aleksandra Sierant, Diana Méndez-Avalos, Morgan W. Mitchell, John Calsamiglia,
- Abstract要約: 我々はスピンノイズに基づく量子センサにシーケンシャルなデータ解析手法を実装した。
オンラインプロトコルにより、計測データを適応的に収集することで弱い磁場を検出することができる。
その結果、シーケンシャルな手法によりより高速で感度の高い検出が可能となり、量子センシングの強力なツールとなった。
- 参考スコア（独自算出の注目度）: 32.505127447635864
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many control and detection applications require real-time analysis of signals from sensors, in order to quickly and accurately act upon events revealed by the sensors. Such signal analysis benefits from statistical models of signal and sensor behavior. This creates a need for data analysis methods that are simultaneously model-based, computationally efficient and causal, in the sense that they employ only sensor data available prior to a specific point in time. In this work, we implement sequential data analysis techniques on a spin-noise-based quantum sensor, to perform two key tasks: hypothesis testing and quickest change-point detection. These online protocols allow us to detect weak magnetic fields by adaptively collecting measurement data until a predefined confidence threshold is reached. We demonstrate these methods in a realistic experimental setting and derive performance bounds for the achievable precision and response time. Our approach has potential utility when detecting small perturbations to the magnetic field, in both applied and fundamental contexts including biomagnetism, geophysical surveys, detection of concealed materials, searches for dark matter candidates and exotic spin interactions. Our results demonstrate that sequential techniques enable faster and more sensitive detection, making them a powerful tool for quantum sensing.
- Abstract（参考訳）: 多くの制御および検出アプリケーションは、センサーが明らかにした事象に対して迅速かつ正確に行動するために、センサーからの信号をリアルタイムに分析する必要がある。
このような信号分析は、信号とセンサの挙動の統計モデルから恩恵を受ける。
これにより、特定の時点に先立って利用可能なセンサデータのみを採用するという意味で、モデルベース、計算効率、因果関係を同時に行うデータ分析手法の必要性が生じる。
本研究では,スピンノイズに基づく量子センサ上での逐次データ解析手法を実装し,仮説テストと最も高速な変化点検出という2つの重要なタスクを実行する。
これらのオンラインプロトコルにより、予め定義された信頼しきい値に到達するまで、測定データを適応的に収集することで、弱い磁場を検出することができる。
これらの手法を現実的な実験環境で実証し、達成可能な精度と応答時間に対する性能境界を導出する。
生体磁気, 物理探査, 隠蔽物質の検出, 暗黒物質候補の探索, エキゾチックスピン相互作用など, 応用および基礎的文脈において, 磁場への小さな摂動を検出するには, 潜在的に有用である。
その結果、シーケンシャルな手法によりより高速で感度の高い検出が可能となり、量子センシングの強力なツールとなった。
関連論文リスト
- Probing Deep into Temporal Profile Makes the Infrared Small Target Detector Much Better [63.567886330598945]
赤外線小目標(IRST)検出は、精度、普遍性、堅牢性、効率的な性能を同時に達成する上で困難である。
現在の学習に基づく手法は、空間的領域と短期的領域の両方から"より多くの情報を活用する。
本稿では、IRST検出のための時間次元でのみ計算を行う効率的な深部プローブネットワーク(DeepPro)を提案する。
論文 参考訳（メタデータ） (2025-06-15T08:19:32Z) - Adaptive State-Space Mamba for Real-Time Sensor Data Anomaly Detection [2.922256022514318]
本稿では,リアルタイムセンサデータ異常検出のためのemphAdaptive State-Space Mambaフレームワークを提案する。
我々のアプローチは、迅速で信頼性の高い検出機能を必要とする他の時系列タスクに容易に適用できます。
論文 参考訳（メタデータ） (2025-03-26T21:37:48Z) - Experimental distributed quantum sensing in a noisy environment [0.10840985826142428]
我々は、トラップイオンセンサーを用いて、関連するセンシングプロトコルを実験的に実証した。
多次元センサの絡み合った状態が生成され、信号を分離し、最適に検出する。
論文 参考訳（メタデータ） (2025-01-15T16:42:55Z) - Eliminating Incoherent Noise: A Coherent Quantum Approach in Multi-Sensor Dark Matter Detection [6.685649498751827]
本稿では,複数の量子センサのネットワークにまたがる量子コヒーレンスを利用した新しい暗黒物質検出手法を提案する。
この方法は、非コヒーレントな背景雑音を効果的に除去し、検出感度を大幅に向上させる。
本稿では,解析を包括的に分析し,実数値シミュレーションで補完する。
論文 参考訳（メタデータ） (2024-10-29T18:00:03Z) - Label-free timing analysis of SiPM-based modularized detectors with
physics-constrained deep learning [9.234802409391111]
モジュール化検出器のタイミング解析のためのディープラーニングに基づく新しい手法を提案する。
本稿では,提案手法が求める最適関数の存在を数学的に証明し,モデルのトレーニングと校正のための体系的アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-24T09:16:31Z) - A Robust and Explainable Data-Driven Anomaly Detection Approach For
Power Electronics [56.86150790999639]
本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。
行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。
検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
論文 参考訳（メタデータ） (2022-09-23T06:09:35Z) - Anomaly Detection and Inter-Sensor Transfer Learning on Smart
Manufacturing Datasets [6.114996271792091]
スマートマニュファクチャリングシステムの目標は、運用コストを削減し、ダウンタイムをなくすために、失敗を迅速に検出(または予測)することである。
これはしばしば、システムから取得したセンサーの日程内で異常を検出することに起因する。
スマートマニュファクチャリングアプリケーションドメインは、ある種の健全な技術的課題を提起します。
予測的障害分類が達成できることを示し、予測的メンテナンスの道を開く。
論文 参考訳（メタデータ） (2022-06-13T17:51:24Z) - From One to Many: A Deep Learning Coincident Gravitational-Wave Search [58.720142291102135]
単一検出器からの非スピン型二元ブラックホールデータに基づいてトレーニングされたニューラルネットワークを用いて、二元ブラックホールの融合から重力波を2検出器で探索する。
これらの単純な2検出器ネットワークはいずれも、検出器のデータに個別にネットワークを適用するよりも感度を向上させることができない。
論文 参考訳（メタデータ） (2021-08-24T13:25:02Z) - Bandit Quickest Changepoint Detection [55.855465482260165]
すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。
有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。
本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
論文 参考訳（メタデータ） (2021-07-22T07:25:35Z) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳（メタデータ） (2021-02-02T15:44:39Z)
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。