論文の概要: Quantum-Enhanced Single-Parameter Phase Estimation with Adaptive NOON States

• arxiv url: http://arxiv.org/abs/2604.12323v2
• Date: Sat, 18 Apr 2026 19:52:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 13:51:31.097561
• Title: Quantum-Enhanced Single-Parameter Phase Estimation with Adaptive NOON States
• Title（参考訳）: 適応NOON状態を用いた量子強化単一パラメータ位相推定
• Authors: Simanshu Kumar, Nandan S Bisht,
• Abstract要約: NOON state-maximally path-entangled $N$-photon superpositions $(|N,0rangle + |0,Nrangle)/sqrt2$。 エンド・ツー・エンドの微分可能な量子光学フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum metrology promises phase sensitivity surpassing the shot-noise limit by exploiting entanglement and photon-number correlations. NOON states-maximally path-entangled $N$-photon superpositions $(|N,0\rangle + |0,N\rangle)/\sqrt{2}$ -achieve the Heisenberg limit $1/N$ for single-parameter estimation, as demonstrated experimentally by Afek et al. (2010) using hybrid coherent-plus-squeezed light up to $N=5$. We present an end-to-end differentiable quantum-optical framework-implemented in Strawberry Fields (Killoran et al., 2019) with a TensorFlow backend -that learns optimal circuit parameters by maximising the classical Fisher information (CFI) across all coincidence channels for $N=2,3,4,5$. Starting from proper numerical reproductions of the Afek et al. coincidence fringes, verified by FFT analysis and parity measurements, we apply gradient descent (Adam) to the eight trainable circuit parameters. Raw CFI improvements grow dramatically with photon number: $+153\%$ ($N=2$), $+834\%$ to $+956\%$ ($N=3$), $+829\%$ to $+1598\%$ ($N=4$), and $+1775\%$ ($N=5$), alongside post-selection rate improvements of $+153\%$ to $+3269\%$, and an $8\times$ to $133\times$ improvement in useful measurement events per pulse across $N=2$-$5$. A fundamental inter-channel trade-off is identified at $N=2$ but weakens at higher $N$ where the Afek initialisation is further from optimal. These results provide numerically rigorous benchmarks for adaptive single-parameter quantum sensing and demonstrate that the Afek working point is significantly suboptimal at $N\geq 3$. QFI calculations confirm that the optimised probe reaches $82\%$ of the Heisenberg limit at $N=2$ and improves from $36\%$ to $58\%$ at $N=5$, while useful measurement events per pulse improve by $8\times$ to $133\times$ across all $N$, making quantum-enhanced sensing at $N\geq 3$ experimentally practical.
• Abstract（参考訳）: 量子メロロジーは、絡み合いと光子数相関を利用してショットノイズ限界を超える位相感度を約束する。 NOON state-maximally path-entangled $N$-photon superpositions $(|N,0\rangle + |0,N\rangle)/\sqrt{2}$ -achieve the Heisenberg limit $1/N$ for single-parameter Estimation, as experimentally by Afek et al (2010) using hybrid coherent-plus-squeezed light to $N=5$. 我々は、Strawberry Fields(Killoran et al , 2019)にTensorFlowバックエンドで実装されたエンドツーエンドの微分可能な量子光学フレームワークを提案する。 FFT解析およびパリティ測定によって検証されたAfek et al の適切な数値再生から8つのトレーニング可能な回路パラメータに勾配降下(Adam)を適用した。 原価:$+153\%$$N=2$、$+834\%$から$+956\%$(N=3$)、$+829\%$から$+1598\%$(N=4$)、$+1775\%$(N=5$)、$+153\%$から$+3269\%$(3269)、$8\times$から$33\times$(N=2$-5$)。 チャネル間の基本的なトレードオフは、$N=2$と特定されるが、Afekの初期化が最適からさらに遠ざかる、より高い$N$で弱まる。 これらの結果は、適応的な単一パラメータ量子センシングのための数値的に厳密なベンチマークを提供し、Afekのワークポイントが$N\geq 3$でかなり最適であることを示す。 QFIの計算では、最適化されたプローブはハイゼンベルク限界の8.2\%$を$N=2$に到達し、36\%$から5.8\%$を$N=5$に改善し、パルスあたりの有用な測定イベントは8\times$から133\times$に改善し、量子強調センシングを$N\geq 3$で実験的に実現している。

関連論文リスト

• Quantum Fisher Information Revealing Parameter Sensitivity in Long-Baseline Neutrino Experiments [3.060426151281043]
  大気中混合角$_23$と質量二乗差$m_312$は、現在および次世代の長基ニュートリノ実験の主要な目的である。 我々はQFI (QFI) を用いて, 単パラメータ推定の基本精度境界を3自由度$_to _e$発振で決定する。
  論文  参考訳（メタデータ） (2026-02-05T02:20:12Z)
• Lambert W Function Framework for Graphene Nanoribbon Quantum Sensing: Theory, Verification, and Multi-Modal Applications [0.0]
  我々はグラフェンナノリボン量子センシングを有限平方井戸(FSW)アナログを通してランベルトW関数に接続する厳密な数学的枠組みを確立する。 分岐点付近での操作は$z = -1/e$で、$_textenh propto (z - z_c)-1/2$としてスケールし、$= 0.001$で35倍の強化を達成する。
  論文  参考訳（メタデータ） (2026-01-15T08:32:47Z)
• Beyond likelihood ratio bias: Nested multi-time-scale stochastic approximation for likelihood-free parameter estimation [49.78792404811239]
  確率分析形式が不明なシミュレーションベースモデルにおける推論について検討する。 我々は、スコアを同時に追跡し、パラメータ更新を駆動する比率のないネスト型マルチタイムスケール近似(SA)手法を用いる。 我々のアルゴリズムは、オリジナルのバイアス$Obig(sqrtfrac1Nbig)$を排除し、収束率を$Obig(beta_k+sqrtfracalpha_kNbig)$から加速できることを示す。
  論文  参考訳（メタデータ） (2024-11-20T02:46:15Z)
• Convergence Rate Analysis of LION [54.28350823319057]
  LION は、勾配カルシュ=クーン=T (sqrtdK-)$で測定された $cal(sqrtdK-)$ の反復を収束する。 従来のSGDと比較して,LIONは損失が小さく,性能も高いことを示す。
  論文  参考訳（メタデータ） (2024-11-12T11:30:53Z)
• Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
  我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。 我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
  論文  参考訳（メタデータ） (2024-01-17T18:59:38Z)
• Global Variational Quantum Circuits for Arbitrary Symmetric State Preparation [0.0]
  我々は、大域的な一軸ねじれと大域的な回転からなる変分回路を用いて、任意の対称状態を効率的に作成する。 回路はローカルアドレス可能性やアンシラ量子ビットを必要としない。 このプロトコルは、典型的な実験ノイズレベルの存在下で、$gtrsim 95%のフィデリティを達成できると推定する。
  論文  参考訳（メタデータ） (2023-12-08T14:28:34Z)
• Bounding the Width of Neural Networks via Coupled Initialization -- A Worst Case Analysis [121.9821494461427]
  2層ReLUネットワークに必要なニューロン数を著しく削減する方法を示す。 また、事前の作業を改善するための新しい下位境界を証明し、ある仮定の下では、最善を尽くすことができることを証明します。
  論文  参考訳（メタデータ） (2022-06-26T06:51:31Z)
• Quantum Multi-Parameter Adaptive Bayesian Estimation and Application to Super-Resolution Imaging [1.4222887950206657]
  量子センシングタスクでは、ユーザは$rho_theta$($theta$をエンコードする量子状態)を得る。 Personick氏はすべての可能な測定値に対してMMSEを最小限に抑える最適なPOVM $Pi_l$を発見した。 1971年のこの結果は量子フィッシャー情報(QFI)よりも広く知られておらず、これは偏りのない推定器のばらつきを低くしている。
  論文  参考訳（メタデータ） (2022-02-21T04:12:55Z)
• Multiparameter simultaneous optimal estimation with an SU(2) coding unitary evolution [5.789743084845758]
  ユビキタスな$SU(2)$ dynamicsでは、複数のパラメータの同時最適推定を達成することは困難である。 本稿では,係数ベクトル $mathbfX$ of $SU(2)$generator のネストしたクロス積を特徴とする手法を提案する。 我々の研究は、量子制御が推定精度を改善するために常に機能しているわけではないことを明らかにしている。
  論文  参考訳（メタデータ） (2022-02-08T06:05:20Z)
• A Simple Convergence Proof of Adam and Adagrad [74.24716715922759]
  我々はAdam Adagradと$O(d(N)/st)$アルゴリズムの収束の証明を示す。 Adamはデフォルトパラメータで使用する場合と同じ収束$O(d(N)/st)$で収束する。
  論文  参考訳（メタデータ） (2020-03-05T01:56:17Z)

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。