論文の概要: Looking down the rabbit hole: Towards quantum optimal estimation of surface roughness

• arxiv url: http://arxiv.org/abs/2603.16418v1
• Date: Tue, 17 Mar 2026 11:53:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-18 17:42:07.256348
• Title: Looking down the rabbit hole: Towards quantum optimal estimation of surface roughness
• Title（参考訳）: ウサギの穴を見下ろす:表面粗さの量子的最適推定に向けて
• Authors: Quentin Muller, Tommaso Tufarelli, Madalin Guta, Katherine Inzani, Samanta Piano, Gerardo Adesso,
• Abstract要約: 本研究は, 軸方向分布の第1モーメント(平均高さ)と標準偏差(粗さ)が一定に制限されていることを示す。 空間モードデマルチプレクシングに基づく量子インスピレーションイメージング技術は、軸方向標準偏差を推定するのに最適であることが証明された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Surface roughness is an important quantity to many engineering and precision manufacturing disciplines. In this paper we investigate the problem of estimating the root-mean-square roughness of a sample by passive linear optical methods. By adopting quantum parameter estimation techniques, we determine the ultimate precision limits on roughness estimation. In particular, we show that the information on the first moment (mean height) and standard deviation (roughness) of the axial profile distribution of multiple incoherent point sources is bounded by a constant. While classical imaging techniques fail to achieve this bound, a quantum inspired imaging technique based on spatial mode demultiplexing is proven to be optimal for estimating the axial standard deviation. Combined with analogous recently investigated methods for estimating radial profiles, this can provide a powerful technique for measuring roughness of nearly smooth surface patches beyond the diffraction limit.
• Abstract（参考訳）: 表面粗さは多くの工学と精密製造の分野において重要な量である。 本稿では, 受動線形光学法による試料の根平均2乗粗さの推定問題について検討する。 量子パラメータ推定手法を用いることで、粗さ推定における最終的な精度限界を決定する。 特に、複数の不整点源の軸方向分布の第一モーメント(平均高さ)と標準偏差(粗さ)の情報は定数で有界であることを示す。 古典的イメージング技術はこの境界を達成できないが、空間モードデマルチプレクシングに基づく量子インスピレーションイメージング技術は、軸方向標準偏差を推定するのに最適であることが証明されている。 放射状プロファイルを推定する類似手法と組み合わせることで、回折限界を超えるほぼ滑らかな表面パッチの粗さを測定する強力な技術を提供することができる。

関連論文リスト

• Quantum Limits of Passive Optical Surface Metrology and Defect Detection [0.0]
  我々は受動光学面メトロジーのための量子統計フレームワークを開発する。 我々は、量子パラメータ推定と仮説テストの手法を用いて、幾何学的特徴を共同で推定する究極の境界を導出する。 本研究では,空間モードのソートにより,ひび割れ幅と深さをほぼ限定的に推定できることを示す。
  論文  参考訳（メタデータ） (2026-03-11T14:07:52Z)
• Quantum Metrology under Coarse-Grained Measurement [2.9121356595989494]
  2つのビンしか持たない非常に粗い測定でさえ、標準量子限界を超える位相推定を可能にすることを示す。 粗粒ホモダイン検出における量子強調位相推定実験を行った。 これらの結果は、厳密な実験的不完全性の存在下で量子増強を達成するための実践的な経路を浮き彫りにしている。
  論文  参考訳（メタデータ） (2026-01-22T16:54:13Z)
• Superresolution in separation estimation between two dynamic incoherent sources using spatial demultiplexing [0.0]
  近年、ハーマイト・ガウスモードにおける空間モード除算(SPADE)に基づく完全な測定により、2つの弱い不整合定常源の分離を推定する精度の量子限界に達した。 本稿では、ソースの定常性に関する仮定を捨てて、完璧な設定から別の逸脱を考える。 定常源シナリオにおける推定パラメータの1つを削減できる測定アルゴリズムを定式化する。
  論文  参考訳（メタデータ） (2024-07-15T07:57:57Z)
• Sampling from Gaussian Process Posteriors using Stochastic Gradient Descent [43.097493761380186]
  勾配アルゴリズムは線形系を解くのに有効な方法である。 最適値に収束しない場合であっても,勾配降下は正確な予測を導出することを示す。 実験的に、勾配降下は十分に大規模または不条件の回帰タスクにおいて最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-06-20T15:07:37Z)
• Stochastic Marginal Likelihood Gradients using Neural Tangent Kernels [78.6096486885658]
  線形化されたラプラス近似に下界を導入する。 これらの境界は漸進的な最適化が可能であり、推定精度と計算複雑性とのトレードオフを可能にする。
  論文  参考訳（メタデータ） (2023-06-06T19:02:57Z)
• Retrieving space-dependent polarization transformations via near-optimal quantum process tomography [55.41644538483948]
  トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。 ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。 これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
  論文  参考訳（メタデータ） (2022-10-27T11:37:14Z)
• Estimating the concentration of chiral media with bright squeezed light [77.34726150561087]
  キラル分析物の濃度を推定するためのガウスプローブの性能を定量的に評価する。 4倍精度向上は、最先端のスクイーズレベルと強度測定を用いて達成できる。
  論文  参考訳（メタデータ） (2022-08-21T17:18:10Z)
• Wasserstein Distributionally Robust Estimation in High Dimensions: Performance Analysis and Optimal Hyperparameter Tuning [2.4578723416255754]
  分散ロバスト最適化(DRO)は不確実性の下での見積もりの強力なフレームワークとなっている。 本稿では,DROに基づく線形回帰法を提案し,その中心的問題,すなわちロバストネス半径を最適に選択する方法を提案する。 本手法はクロスバリデーションと同じ効果を示すが,計算コストのごく一部で実現可能であることを示す。
  論文  参考訳（メタデータ） (2022-06-27T13:02:59Z)
• Adaptive Surface Normal Constraint for Depth Estimation [102.7466374038784]
  アダプティブサーフェスノーマル(ASN)制約と呼ばれるシンプルで効果的な手法を導入し、深さ推定と幾何学的一貫性を相関させます。 本手法は3次元形状を忠実に再構成でき,境界,鋭角,雑音などの局所形状変化に頑健である。
  論文  参考訳（メタデータ） (2021-03-29T10:36:25Z)
• Continuous Wasserstein-2 Barycenter Estimation without Minimax Optimization [94.18714844247766]
  ワッサーシュタイン・バリセンターは、最適輸送に基づく確率測度の重み付き平均の幾何学的概念を提供する。 本稿では,Wasserstein-2 バリセンタのサンプルアクセスを演算するスケーラブルなアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-02T21:01:13Z)
• Mean-squared-error-based adaptive estimation of pure quantum states and unitary transformations [0.0]
  単一キューディットの純量子状態を高精度に推定する手法を提案する。 本手法は,未知状態の複素確率振幅と推定値との2乗誤差の最小化に基づく。 提案手法は, 1つのキュートに作用する未知のユニタリ変換を推定するために, 容易に拡張可能であることを示す。
  論文  参考訳（メタデータ） (2020-08-23T00:32:10Z)

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。