論文の概要: Time-dependent multiparameter estimation for quantum experiments via online-offline sequential Monte-Carlo method
- arxiv url: http://arxiv.org/abs/2607.02987v1
- Date: Fri, 03 Jul 2026 05:52:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.484188
- Title: Time-dependent multiparameter estimation for quantum experiments via online-offline sequential Monte-Carlo method
- Title（参考訳）: オンラインオフラインシーケンシャルモンテカルロ法による量子実験の時間依存性多パラメータ推定
- Abstract要約: 我々は,時系列モンテカルロサンプリングを時間バッチ推定法として知られるオフライン手法で拡張し,ハイブリッド推定法を開発した。
2種類の測定条件下で超伝導量子ビット実験から得られた測定信号に,本アルゴリズムを適用した。
提案手法は, 蛍光の場合, 標準校正法よりも, システムのパラメータを推定できることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While typical online estimation methods can estimate the multiparameter dynamics of many systems, they may not be sufficient for a system with highly noisy measurement and rapid detection rate. In this paper, we create a hybrid estimation method by augmenting the sequential Monte Carlo (SMC) sampler, an online estimation method with an offline technique known as the time-batch estimation technique. By continuously monitoring the system, we may divide signals into batches and average them into an averaged trajectory. The system dynamics is then evolved with batch-averaged Kraus maps, for which we derive a highly efficient approximation. To facilitate the adoption of our algorithm, we present a modular derivation of the SMC methods and showcase our algorithm as an explicit example. We then implement our algorithm on the measurement signals obtained from superconducting-qubit experiments under two types of measurement setting: a fluorescence measurement and a dispersive $z$-measurement. The algorithm's hyperparameter values are chosen from independent numerical simulation, while the accuracy of our estimation is validated by a signal reconstruction method. Our results show that, for the fluorescence case, our algorithm can estimate the system's parameters better than the standard calibration method, and, for the dispersive case, our estimation is capable of finding an unexpected jump in parameter values that the standard calibration method could not find.
- Abstract（参考訳）: 典型的なオンライン推定法では、多くのシステムのマルチパラメータのダイナミクスを推定できるが、非常にノイズの多い測定と迅速な検出率を持つシステムには十分ではないかもしれない。
本稿では,時間バッチ推定手法として知られるオフライン手法を用いたオンライン推定手法であるシーケンシャルモンテカルロ (SMC) サンプリング器を増設してハイブリッド推定手法を作成する。
システムを継続的に監視することにより、信号をバッチに分割し、それらを平均軌道に分割することができる。
システムダイナミクスは、バッチ平均のクラウス写像を用いて進化し、高い効率の近似を導出する。
アルゴリズムの採用を容易にするため,SMC手法のモジュラー導出を行い,アルゴリズムを明示的な例として示す。
次に, 超伝導量子ビット実験から得られた測定信号に対して, 蛍光測定と分散$z$-測定という2種類の測定条件でアルゴリズムを実装した。
アルゴリズムのハイパーパラメータ値を独立数値シミュレーションから選択し,信号再構成法により推定精度を検証した。
提案手法は, 蛍光の場合, 標準校正法よりも精度の高いパラメータを推定でき, 分散の場合, 標準校正法では見つからなかったパラメータ値の予期せぬジャンプを推定できることを示した。
関連論文リスト
- Calculating the quantum Fisher information via the truncated Wigner method [0.0]
Truncated Wigner Approximation (TWA) を用いて半古典的なサンプルから量子フィッシャー情報(QFI)を計算することができることを示す。
この方法は、基本感度限界を効率的に計算できる量子系のクラスを、TWAを用いてモデル化できる任意のシステムに拡張する。
論文 参考訳（メタデータ） (2026-03-31T03:03:28Z) - 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) - Parameters estimation by fitting correlation functions of continuous quantum measurement [0.0]
本研究では, 連続測定量子系のパラメータを, 測定信号の相関関数に適合させることにより簡易に推定する手法を提案する。
本研究は, 玩具の例と最近の超伝導回路の例において, シミュレーションにおけるアプローチを実証する。
論文 参考訳（メタデータ） (2024-10-15T18:00:08Z) - Online Parameter Estimation for Continuously Monitored Quantum Systems [0.6554326244334868]
量子力学系における量子軌道に沿った静的パラメータや遅いパラメータのオンライン(リアルタイム,シングルショット)推定の問題について考察する。
ログ型関数の勾配に基づくアプローチを用いて未知パラメータの最大推定値を計算するアルゴリズムを定式化する。
論文 参考訳（メタデータ） (2024-03-07T16:48:51Z) - Online Variational Sequential Monte Carlo [49.97673761305336]
我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。
オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
論文 参考訳（メタデータ） (2023-12-19T21:45:38Z) - Low-rank extended Kalman filtering for online learning of neural
networks from streaming data [71.97861600347959]
非定常データストリームから非線形関数のパラメータを推定するための効率的なオンライン近似ベイズ推定アルゴリズムを提案する。
この方法は拡張カルマンフィルタ (EKF) に基づいているが、新しい低ランク+斜角行列分解法を用いている。
変分推論に基づく手法とは対照的に,本手法は完全に決定論的であり,ステップサイズチューニングを必要としない。
論文 参考訳（メタデータ） (2023-05-31T03:48:49Z) - Gaussian process regression and conditional Karhunen-Lo\'{e}ve models
for data assimilation in inverse problems [68.8204255655161]
偏微分方程式モデルにおけるデータ同化とパラメータ推定のためのモデル逆アルゴリズムCKLEMAPを提案する。
CKLEMAP法は標準的なMAP法に比べてスケーラビリティがよい。
論文 参考訳（メタデータ） (2023-01-26T18:14:12Z) - Formal Controller Synthesis for Markov Jump Linear Systems with
Uncertain Dynamics [64.72260320446158]
マルコフジャンプ線形系に対する制御器の合成法を提案する。
本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。
本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
論文 参考訳（メタデータ） (2022-12-01T17:36:30Z) - Gradient Estimation with Constant Scaling for Hybrid Quantum Machine
Learning [0.0]
機械学習モデルにおけるパラメータ化量子回路(PQC)の勾配を決定する新しい手法を提案する。
PQC層の勾配は、回路パラメータの数に依存しないフォワードパス当たりの回路評価のオーバーヘッドで計算できる。
量子ビットの数が増加するにつれて、パラメータシフト規則と同等の精度で、我々の手法ははるかに高速に収束する。
論文 参考訳（メタデータ） (2022-11-25T09:45:35Z) - Sparse high-dimensional linear regression with a partitioned empirical
Bayes ECM algorithm [62.997667081978825]
疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。
パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。
提案手法はRパッケージプローブに実装されている。
論文 参考訳（メタデータ） (2022-09-16T19:15:50Z) - Active Learning for Identification of Linear Dynamical Systems [12.056495277232118]
アルゴリズムが達成した有限時間境界推定率を示す。
そこで本研究では,ノイズを発生させることによって得られるオーバレートを,アルゴリズムが確実に改善する事例をいくつか分析する。
論文 参考訳（メタデータ） (2020-02-02T21:30:38Z)
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。