論文の概要: Single-shot measurement learning as a self-certifying estimator for quantum-enhanced sensing

• arxiv url: http://arxiv.org/abs/2604.01534v1
• Date: Thu, 02 Apr 2026 02:11:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.192846
• Title: Single-shot measurement learning as a self-certifying estimator for quantum-enhanced sensing
• Title（参考訳）: 量子エンハンスセンシングのための自己組織化推定器としての単発計測学習
• Authors: Jeongho Bang,
• Abstract要約: 単発計測学習は、1ビットの成功/失敗記録から補償ユニタリを学習する。 補償型センシングファミリーでは、ベルヌーイの成功/失敗記録はプローブ量子フィッシャー情報と局所的に一致している。 この意味において、Sは、プローブが持つ量子エンハンスメントを、オンラインの自己終端プロトコルで操作的に利用できるようにする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Single-shot measurement learning (SSML) learns a compensation unitary from a one-bit success/failure record and halts after a prescribed run of consecutive successes. We recast SSML as an adaptive estimator on a parameterized sensing manifold and ask what role it can play in quantum-enhanced sensing. First, we show that the terminal run itself furnishes an intrinsic certificate of local alignment: longer terminal runs certify smaller infidelity, and near the optimum this becomes a Fisher-calibrated certificate of parameter error. Second, for compensation-type sensing families, the Bernoulli success/failure record is locally matched to the probe quantum Fisher information (QFI), so SSML preserves the probe's metrological content despite using only one classical bit per copy. In this sense, SSML makes the quantum enhancement carried by the probe operationally available in an online self-terminating protocol. Applied to GHZ/NOON probes of depth $m$, SSML retains the familiar square-root entanglement gain over product probes at fixed total resource, while an ideal multiscale architecture remains compatible with Heisenberg scaling. Monte Carlo simulations of photonic NOON-state phase sensing show the expected near-inverse decay of terminal infidelity with entangled shots, SQL-like total-resource scaling at fixed entanglement depth, the corresponding fixed-resource entanglement gain, the global limitation of a single fringe scale, and the recovery of Heisenberg-compatible behavior under ideal multiscale hand-off. These results identify SSML as a Fisher-preserving, self-certifying estimator layer for quantum-enhanced sensing.
• Abstract（参考訳）: 単発計測学習(SSML)は、1ビットの成功/失敗記録から補償ユニタリを学習し、連続的な成功の所定の実行後に停止する。 パラメータ化センシング多様体上での適応推定器としてSSMLをリキャストし、量子エンハンスドセンシングにおいてどのような役割を果たせるのかを問う。 まず、端末自体がローカルアライメントの固有の証明書を付与していることを示し、より長い端末はより小さな不忠実さを証明し、最適付近ではフィッシャー校正によるパラメータエラーの証明となる。 第2に、補償型センシングファミリーでは、ベルヌーイの成功/失敗記録はプローブ量子フィッシャー情報(QFI)と局所的に一致しているため、SSMLは1コピー当たりの古典ビットしか使用していないにもかかわらず、プローブのメトロジー内容を保存する。 この意味において、SSMLは、プローブが持つ量子エンハンスメントを、オンラインの自己終端プロトコルで運用可能にする。 深度$m$のGHZ/NOONプローブに適用すると、SSMLは、固定された全リソースでの製品プローブに対する慣れ親しんだ平方根の絡み合いを保ち、一方、理想的なマルチスケールアーキテクチャはハイゼンベルクのスケーリングと相容れない。 フォトニックNOON相検出のモンテカルロシミュレーションでは, エンタングルドショットによる終端不均一性のほぼ逆崩壊, 固定エンタングルメント深さでのSQLライクな全リソーススケーリング, 対応する固定リソースエンタングルメントゲイン, 単一フランセントスケールのグローバル制限, 理想的マルチスケールハンドオフ下でのハイゼンベルク互換挙動の回復が予想される。 これらの結果は、SSMLを、量子増強センシングのためのフィッシャー保存型自己識別型推定器層として同定する。

関連論文リスト

• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)
• Calibration of Quantum Devices via Robust Statistical Methods [45.464983015777314]
  量子パラメータ学習の最先端技術に対するベイズ推論の高度な統計的手法を数値解析する。 既存のアプローチ、すなわち多モード性および高次元性において、これらのアプローチの利点を示す。 我々の発見は、オープン量子システムの力学を学習する量子キャラクタリゼーションの課題に応用できる。
  論文  参考訳（メタデータ） (2025-07-09T15:22:17Z)
• Achieving the Heisenberg limit of metrology via measurement on an ancillary qubit [3.687781331131875]
  本研究では, 積状態からの共進化の最適化期間の後, アクビットの無条件測定によるプロトコルを提案する。 同期符号化と量子ビット測定により、初期状態が最適化されたプローブ系で符号化された位相に関する量子フィッシャー情報は、正確にハイゼンベルクスケーリングの$N2$に達することができる。
  論文  参考訳（メタデータ） (2025-05-09T14:26:04Z)
• Qubit-assisted quantum metrology under a time-reversal strategy [2.4927008953071725]
  本稿では,プローブシステムの2段階のジョイント進化と,量子量子ビットおよび量子計測に基づく量子メトロジープロトコルを提案する。 プローブ系に符号化された位相パラメータに関する量子フィッシャー情報(QFI)は、位相発生器の正方形の期待値によって決定されることを示す。
  論文  参考訳（メタデータ） (2024-04-19T06:25:13Z)
• System Identification via Nuclear Norm Regularization [44.9687872697492]
  本稿では,ハンケル核ノルム正規化による低次線形系同定問題について検討する。 この正規化に関する新しい統計解析を提供し、非正規化常用最小二乗推定器(OLS)と慎重に対比する。
  論文  参考訳（メタデータ） (2022-03-30T20:56:27Z)
• Neural-IMLS: Self-supervised Implicit Moving Least-Squares Network for Surface Reconstruction [42.00765652948473]
  ニューラル・IMLSは、生の点雲からノイズ耐性符号距離関数(SDF)を直接学習する新しい手法である。 IMLSとSDFの相互学習機構の恩恵を受けるニューラルネットワークが収束すると、ゼロレベルセットが基礎となる表面を近似した忠実なSDFが生成されることも証明した。
  論文  参考訳（メタデータ） (2021-09-09T16:37:01Z)
• Enhanced nonlinear quantum metrology with weakly coupled solitons and particle losses [58.720142291102135]
  ハイゼンベルク(最大1/N)および超ハイゼンベルクスケーリングレベルにおける位相パラメータ推定のための干渉計測手法を提案する。 我々のセットアップの中心は、量子プローブを形成する新しいソリトンジョセフソン接合(SJJ)システムである。 このような状態は、適度な損失があっても最適な状態に近いことを示す。
  論文  参考訳（メタデータ） (2021-08-07T09:29:23Z)
• Exploring the Uncertainty Properties of Neural Networks' Implicit Priors in the Infinite-Width Limit [47.324627920761685]
  我々は、無限大のNNのアンサンブルに先立って関数空間をガウス過程として特徴づける最近の理論的進歩を用いる。 これにより、関数空間上の暗黙の前のNNについて、よりよく理解できます。 また,従来のNNGPを用いた分類手法の校正について検討した。
  論文  参考訳（メタデータ） (2020-10-14T18:41:54Z)
• Typicality of Heisenberg scaling precision in multi-mode quantum metrology [0.0]
  本稿では,一般的な$M$-port線形ネットワークにエンコードされたパラメータ$varphi$を推定するために,ハイゼンベルクのスケーリング精度に達する測定設定を提案する。 M$の大きい値と非適応ステージのランダムな(バイアスのない)選択の場合、このプレファクタはパラメータ$varphi$を線形ネットワークに符号化することで制御できる典型的な値を取る。
  論文  参考訳（メタデータ） (2020-03-27T17:34:39Z)

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。