論文の概要: Learning from Radio using Variational Quantum RF Sensing

• arxiv url: http://arxiv.org/abs/2603.10239v1
• Date: Tue, 10 Mar 2026 21:26:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-12 16:22:32.69756
• Title: Learning from Radio using Variational Quantum RF Sensing
• Title（参考訳）: 変動量子RFセンシングを用いたラジオからの学習
• Authors: Ivana Nikoloska,
• Abstract要約: 本稿では,量子回路を用いて最適化した量子センシングプローブを用いて,その環境について学習するエージェントについて考察する。 無線信号から量子センサを学習することで、デプロイメント時にチャネル計測を必要としないインテリジェントなシステムを実現できることを示す。
• 参考スコア（独自算出の注目度）: 2.7412662946127764
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In modern wireless networks, radio channels serve a dual role. Whilst their primary function is to carry bits of information from a transmitter to a receiver, the intrinsic sensitivity of transmitted signals to the physical structure of the environment makes the channel a powerful source of knowledge about the world. In this paper, we consider an agent that learns about its environment using a quantum sensing probe, optimised using a quantum circuit, which interacts with the radio-frequency (RF) electromagnetic field. We use data obtained from a ray-tracer to train the quantum circuit and learning model and we provide extensive experiments under realistic conditions on a localisation task. We show that using quantum sensors to learn from radio signals can enable intelligent systems that require no channel measurements at deployment, remain sensitive to weak and obstructed RF signals, and can learn about the world despite operating with strictly less information than classical baselines.
• Abstract（参考訳）: 現代の無線ネットワークでは、ラジオチャンネルは二重の役割を担っている。 彼らの主な機能は、送信機から受信機に情報のビットを運ぶことであるが、送信された信号の本質的な感度を環境の物理的構造にもたらすことで、チャネルは世界に関する強力な知識の源となる。 本稿では、高周波電磁界と相互作用する量子回路を用いて最適化された量子センシングプローブを用いて、その環境について学習するエージェントについて考察する。 我々は、レイトレーサから得られたデータを用いて量子回路と学習モデルを訓練し、ローカライゼーションタスクにおいて現実的な条件下で広範な実験を行う。 無線信号から学習するために量子センサを用いることで、デプロイメント時にチャネル計測を必要とせず、弱いRF信号に敏感であり、古典的なベースラインよりも厳密に少ない情報で操作されているにもかかわらず、世界について学べるインテリジェントなシステムを実現できることを示す。

関連論文リスト

• Rydberg Atomic Quantum Receivers for Multi-Target DOA Estimation [77.32323151235285]
  ライドバーグ原子量子受信機(RAQR)は、古典的な無線通信とセンシングのための有望なソリューションとして登場した。 まず、マルチターゲットDOA検出のためのRydberg原子量子一様線形アレイ(RAQ-ULA)を用いた無線受信機を提案し、このセンシングシステムの対応する信号モデルを提案する。 このセンサゲインミスマッチ問題を解決するために,我々のモデルに依存するRydberg原子量子ESPRIT(RAQ-ESPRIT)を提案する。
  論文  参考訳（メタデータ） (2025-01-06T07:42:23Z)
• Rydberg Atomic Quantum Receivers for Classical Wireless Communications and Sensing: Their Models and Performance [78.76421728334013]
  ライドバーグ原子量子受信機(Rydberg atomic quantum receivers, RAQRs)は、高周波(RF)信号の電界を検出するための卓越した溶液である。 本稿では,無線コミュニティに対して,エンドツーエンドの受信方式を提示することでRAQRを導入する。 次に,現実的な受信フローに依存する等価なベースバンド信号モデルを開発する。
  論文  参考訳（メタデータ） (2024-12-07T06:25:54Z)
• Rydberg Atomic Quantum Receivers for Classical Wireless Communication and Sensing [71.94873601156017]
  Rydberg 原子量子受信機 (RAQR) は、高周波(RF)信号を受信するように設計された量子精密センシングプラットフォームを新たに開発している。 RAQRは光-原子相互作用に基づくRF-光変換を実現する。 初期の実験的研究は、古典的な無線通信とセンシングにおけるその能力を実証した。
  論文  参考訳（メタデータ） (2024-09-22T15:55:02Z)
• NeRF2: Neural Radio-Frequency Radiance Fields [11.09253326813424]
  NeRF$textbf2$は、RF信号の伝搬を理解する連続ボリュームシーン関数を表す。 NeRF$textbf2$は、送信機の位置を知っているとき、どのような信号がどの位置で受信されたかを知ることができる。
  論文  参考訳（メタデータ） (2023-05-10T13:09:57Z)
• Quantum enhanced radio detection and ranging with solid spins [10.001277862275543]
  固体スピンを用いた量子増強ラジオ検出と測位を実証する。 RF磁気感度は、ナノスケール量子センシングとRFフォーカスに基づいて、3次から21$pT/sqrtHz$に改善される。 結果は、量子強化レーダーと固体スピンとの通信を探索する道を開く。
  論文  参考訳（メタデータ） (2023-03-02T09:52:16Z)
• Deep Learning for Spectral Filling in Radio Frequency Applications [0.7829352305480285]
  本稿では、スペクトルフィリングにディープニューラルネットワークを適用する方法を提案する。 我々は、付加的なメッセージの形で、固定変調信号の「周辺」として、追加情報を送るための新しい変調スキームを学習する。 これにより、帯域幅を増大させることなく、チャネル容量を効果的に増やすことができる。
  論文  参考訳（メタデータ） (2022-03-31T20:31:54Z)
• Self-Supervised Radio-Visual Representation Learning for 6G Sensing [1.9766522384767227]
  将来の6Gセルネットワークでは、共同通信およびセンシングプロトコルにより、ネットワークが環境を知覚できるようになる。 人間の介入を最小限に抑えて無線のみのセンシングモデルを自動的に学習するために,無線と視覚を組み合わせることを提案する。
  論文  参考訳（メタデータ） (2021-11-01T12:23:47Z)

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。