論文の概要: Improved State Readout in NV Centers using Regression Models and Rabi Driving

• arxiv url: http://arxiv.org/abs/2606.23454v1
• Date: Mon, 22 Jun 2026 15:05:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 16:10:15.210085
• Title: Improved State Readout in NV Centers using Regression Models and Rabi Driving
• Title（参考訳）: 回帰モデルとラビ運転によるNVセンターの運転状態改善
• Authors: Fritz Haltenberger, Manpreet Singh Jattana,
• Abstract要約: 我々は、実験データに基づいて訓練された回帰モデルを用いて、蛍光信号を理想的なシミュレートされた集団にマッピングする。 誘導Rabi発振時の測定により,蛍光信号の情報量を増加させる。 このデータ駆動型アプローチは、我々の設定における従来のキャリブレーションよりも高い忠実性を実現する、堅牢な代替手段を提供する。
• 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: Readout of state populations in nitrogen-vacancy centers from fluorescence measurements at room-temperature is routinely achieved via contrast-based calibration. The fidelities achieved by this conventional approach are limited by reducing the dynamical fluorescence behaviour of the NV center to a scalar value, and calculating the population of each possible state independently. To address these limitations, we use regression models trained on experimental data to map the fluorescence signals onto ideal simulated populations. Additionally, we enhance the informational content of the fluorescence signals by performing measurements during induced Rabi oscillations. Our results demonstrate that including these dynamical signals significantly reduces state readout errors across multiple tested models. Notably, linear ridge regression performs nearly on par with a non-linear kernel-based model, showing that simple models already capture the relevant mapping between the enhanced fluorescence signals and the underlying state populations. This data-driven approach provides a robust alternative that achieves higher fidelities than conventional calibration in our setting, paving the way for high-fidelity state readout in solid-state quantum registers.
• Abstract（参考訳）: 室温での蛍光測定から窒素空孔中心における状態の可読化は、コントラストベースの校正によって日常的に達成される。 この手法により達成される忠実度は、NV中心の動的蛍光挙動をスカラー値に減少させ、各可能な状態の集団を独立に計算することによって制限される。 これらの制約に対処するために、実験データに基づいて訓練された回帰モデルを用いて、蛍光信号を理想的なシミュレートされた集団にマッピングする。 さらに、誘導Rabi発振時の測定により、蛍光信号の情報量を増加させる。 その結果、これらの動的信号を含むと、複数の試験モデルにおける状態読み出し誤差が大幅に減少することが示された。 特に、線形リッジ回帰は非線形カーネルベースモデルとほぼ同等に動作し、単純なモデルが既に強化された蛍光信号と基底状態の集団の間の関連マッピングをキャプチャしていることが示されている。 このデータ駆動型アプローチは、我々の設定における従来のキャリブレーションよりも高いフィデリティを達成する堅牢な代替手段を提供し、固体量子レジスタにおける高フィデリティ状態の読み出しを可能にする。

関連論文リスト

• Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals [83.0127582612634]
  Near-boundary Rescue (NSR) は最小限のプラグ・アンド・プレイの修正であり、失った信号を回復するために、アウト・オブ・バウンドトークンを保持する。 NSRはトレーニングの安定性を大幅に改善し、DAPOやGSPOといった強力なベースライン上で一貫したゲインを提供する。
  論文  参考訳（メタデータ） (2026-05-21T16:45:31Z)
• Anchoring the Eigengap: Cross-Modal Spectral Stabilization for Sample-Efficient Representation Learning [0.8326214193432122]
  視力モデルが低データ状態,特にラベル付きサンプルが不足している医療画像において,急速に低下していることが示される。 我々は、回復可能な次元K(N)を定量化する有限サンプル表現学習の理論を開発する。 マルチモーダルトレーニングは,非モーダルモデルでも,より安定なモードを維持し,クラス分離を改善する。
  論文  参考訳（メタデータ） (2026-05-09T07:49:43Z)
• Detecting and Mitigating Memorization in Diffusion Models through Anisotropy of the Log-Probability [9.133729396364952]
  拡散に基づく画像生成モデルは、反復的復調によって高忠実度画像を生成するが、記憶に弱いままである。 最近の暗記検出法は主に暗記の指標としてスコア差のノルムに基づいている。 等方性ノルムと異方性アライメントを統合することで,記憶度検出尺度を開発した。
  論文  参考訳（メタデータ） (2026-01-28T14:29:42Z)
• Noise Conditional Variational Score Distillation [60.38982038894823]
  騒音条件変化スコア蒸留(NCVSD)は, 予混合拡散モデルから生成消音剤を蒸留する新しい方法である。 この知見を変分スコア蒸留フレームワークに組み込むことで、生成的デノイザのスケーラブルな学習を可能にする。
  論文  参考訳（メタデータ） (2025-06-11T06:01:39Z)
• Solving Inverse Problems with FLAIR [68.87167940623318]
  本稿では,フローベース生成モデルを逆問題に先立って活用する学習自由変分フレームワークFLAIRを提案する。 標準画像ベンチマークの結果、FLAIRは再現性やサンプルの多様性の観点から、既存の拡散法や流れ法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-03T09:29:47Z)
• On the Relation Between Linear Diffusion and Power Iteration [42.158089783398616]
  相関機械として生成過程を研究する」 生成過程の早い段階で低周波が出現し, 固有値に依存する速度で, 偏極基底ベクトルが真のデータにより整合していることが示される。 このモデルにより、線形拡散モデルが、一般的な電力反復法と同様に、基礎データの先頭固有ベクトルに平均的に収束することを示すことができる。
  論文  参考訳（メタデータ） (2024-10-16T07:33:12Z)
• Reflected Diffusion Models [93.26107023470979]
  本稿では,データのサポートに基づいて進化する反射微分方程式を逆転する反射拡散モデルを提案する。 提案手法は,一般化されたスコアマッチング損失を用いてスコア関数を学習し,標準拡散モデルの主要成分を拡張する。
  論文  参考訳（メタデータ） (2023-04-10T17:54:38Z)

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。