論文の概要: Experimental Evidence-Based Sub-Rayleigh Source Discrimination

• arxiv url: http://arxiv.org/abs/2601.13972v1
• Date: Tue, 20 Jan 2026 13:49:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:23.332969
• Title: Experimental Evidence-Based Sub-Rayleigh Source Discrimination
• Title（参考訳）: 実験的エビデンスに基づくサブレイリー音源識別
• Authors: Saurabh U. Shringarpure, Yong Siah Teo, Hyunseok Jeong, Michael Evans, Luis L. Sanchez-Soto, Antonin Grateau, Alexander Boeschoten, Nicolas Treps,
• Abstract要約: 本研究では,相対的信念比に基づくベイズ的エビデンスに基づく推論フレームワークを提案し,空間モードデマルチプレクシング(SPADE)を用いた1点と2点の非コヒーレントな光点源の識別に応用する。 本手法は,データに含まれる情報のみに依拠し,確率モデルと事前の信念を介し,すべての仮定が入力されるという,アドホックな統計構造を回避する。
• 参考スコア（独自算出の注目度）: 33.683963082460515
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a Bayesian evidence-based inference framework based on relative belief ratios and apply it to discriminating between one and two incoherent optical point sources using spatial-mode demultiplexing (SPADE). Unlike the Helstrom measurement, SPADE require no collective detection and its optimal for asymptotically large samples. Our method avoids ad hoc statistical constructs and relies solely on the information contained in the data, with all assumptions entering only through the likelihood model and prior beliefs. Using experimental evidence, we demonstrate the superior resolving performance of SPADE over direct imaging from a new and extensible perspective; one that naturally generalizes to multiple sources and offers a practical robust approach to analyzing quantum-enhanced superresolution.
• Abstract（参考訳）: 本研究では,相対的信念比に基づくベイズ的エビデンスに基づく推論フレームワークを提案し,空間モードデマルチプレックス(SPADE)を用いた1点と2点の非コヒーレントな光点源の識別に適用する。 ヘルストローム測定とは異なり、SPADEは集団検出を必要とせず、漸近的に大きなサンプルに最適である。 本手法は,データに含まれる情報のみに依拠し,確率モデルと事前の信念を介し,すべての仮定が入力されるという,アドホックな統計構造を回避する。 実験的なエビデンスを用いて、新しい拡張可能な視点から直接撮像よりもSPADEの優れた解法性能を実証し、自然に複数のソースに一般化し、量子強調超解法を解析するための実用的な堅牢なアプローチを提供する。

関連論文リスト

• Provable Maximum Entropy Manifold Exploration via Diffusion Models [58.89696361871563]
  探索は科学的な発見のような現実世界の意思決定問題を解決するために重要である。 本稿では,事前学習した拡散モデルにより暗黙的に定義された近似データ多様体に対して,探索をエントロピーとしてキャストする新しいフレームワークを提案する。 本研究では,事前学習した拡散モデルの逐次微調整として探索問題を解くミラー降下に基づくアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2025-06-18T11:59:15Z)
• Multi-View Causal Discovery without Non-Gaussianity: Identifiability and Algorithms [59.15672758767244]
  因果発見は、通常、非ガウス性のようなデータ生成モデルに対する強い仮定に依存する難しい問題である。 ここでは、この多視点構造を利用して、弱い仮定で因果発見を行う。 本稿では,複数視点因果探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-02-27T14:06:14Z)
• A Likelihood Based Approach to Distribution Regression Using Conditional Deep Generative Models [8.862614615192578]
  本研究では,条件付き深部生成モデルの推定のための可能性に基づくアプローチの大規模サンプル特性について検討する。 その結果,条件分布を推定するための最大極大推定器の収束率を導いた。
  論文  参考訳（メタデータ） (2024-10-02T20:46:21Z)
• Estimation of multiple mean vectors in high dimension [4.2466572124753]
  我々は,独立標本に基づいて,共通空間上の様々な確率分布の多次元的手段を推定する。 我々のアプローチは、これらのサンプルから得られた経験的手段の凸結合による推定器の形成である。
  論文  参考訳（メタデータ） (2024-03-22T08:42:41Z)
• Sourcerer: Sample-based Maximum Entropy Source Distribution Estimation [5.673617376471343]
  本稿では,最大エントロピー分布,すなわち可能な限り不確実性を維持することを優先する手法を提案する。 提案手法は,Sliced-Wasserstein距離を利用して,データセットとシミュレーションの差分を測定する。 提案手法の有用性を実証するために,何千もの単一ニューロン計測を用いた実験データセットから,Hodgkin-Huxleyモデルのパラメータのソース分布を推定する。
  論文  参考訳（メタデータ） (2024-02-12T17:13:02Z)
• Prototype-based Aleatoric Uncertainty Quantification for Cross-modal Retrieval [139.21955930418815]
  クロスモーダル検索手法は、共通表現空間を共同学習することにより、視覚と言語モダリティの類似性関係を構築する。 しかし、この予測は、低品質なデータ、例えば、腐敗した画像、速いペースの動画、詳細でないテキストによって引き起こされるアレタリック不確実性のために、しばしば信頼性が低い。 本稿では, 原型に基づくAleatoric Uncertainity Quantification (PAU) フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-29T09:41:19Z)

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。