論文の概要: Parameter Estimation in a Continuously Monitored Non-Markovian Quantum System

• arxiv url: http://arxiv.org/abs/2607.15978v1
• Date: Fri, 17 Jul 2026 14:10:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.871519
• Title: Parameter Estimation in a Continuously Monitored Non-Markovian Quantum System
• Title（参考訳）: 連続監視型非マルコフ量子系におけるパラメータ推定
• Abstract要約: 連続監視は量子システムを解析するための強力なツールである。 本稿では,これらのパラメータ推定手法をマルコフ体制を超えて拡張するための反応座標マッピングに基づく手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Continuous monitoring is a powerful tool for analyzing quantum systems and is increasingly used as a non-demolition technique in quantum metrology. In this context, noisy data acquired through continuous monitoring can be used to precisely pinpoint unknown parameters of the system. However, extending the theoretical framework that connects these data to the underlying parameters beyond Markovian dynamics is notoriously difficult, primarily because such dynamics cannot be expressed as completely positive divisible maps. To overcome this, we propose a method based on the reaction coordinate mapping to extend these parameter-estimation techniques beyond the Markovian regime. Our approach specifically targets linear systems with non-Markovian dynamics undergoing Gaussian continuous measurements, such as homodyne detection. Within this framework, we analyze Bayesian estimation and provide an analytical expression for the Fisher information, alongside the asymptotic scaling of the estimation precision for arbitrary parameters. Finally, we demonstrate the efficacy of our method through the example of thermometry of a bosonic bath.
• Abstract（参考訳）: 連続モニタリングは量子システムを解析するための強力なツールであり、量子力学における非破壊技術としてますます利用されている。 この文脈では、連続的な監視によって得られたノイズの多いデータは、システムの未知のパラメータを正確に特定するために使用できる。 しかし、これらのデータをマルコフ力学以外のパラメータに接続する理論的枠組みを拡張することは、主に正の正の可除写像として表現できないため、非常に難しい。 そこで本研究では,これらのパラメータ推定手法をマルコフ体制を超えて拡張するために,反応座標マッピングに基づく手法を提案する。 本手法は, ホモダイン検出などのガウス連続測定を行う非マルコフ力学を持つ線形系を特に対象とする。 本フレームワークでは,任意のパラメータに対する推定精度の漸近的スケーリングとともに,ベイズ推定を分析し,フィッシャー情報に対する解析式を提供する。 最後に, ボゾン浴の温度測定を例に, 提案手法の有効性を実証した。

関連論文リスト

• A machine learning framework for uncovering stochastic nonlinear dynamics from noisy data [35.634572760830764]
  ノイズはシステムパラメータの推測に影響を与え、データからダイナミクスを無視する。 我々は,システムパラメータの不確実性を同時に推論しながら,支配方程式の記号形式を復元するハイブリッドな記号的回帰確率型機械学習フレームワークを開発した。 このフレームワークはデータ効率が良く、100～1000個のデータポイントしか必要とせず、ノイズに強い。
  論文  参考訳（メタデータ） (2026-04-07T16:59:40Z)
• pDANSE: Particle-based Data-driven Nonlinear State Estimation from Nonlinear Measurements [55.95348868409957]
  本研究では,(ノイズ)非線形測定を用いたデータ駆動非線形状態推定法(DANSE)を設計する際の問題点について考察する。 リカレントニューラルネットワーク(RNN)は、モデルフリープロセスの状態を特徴付けるガウス前のパラメータを提供する。 状態後部の2次統計は、その時点に観測された非線形測定を用いて計算される。
  論文  参考訳（メタデータ） (2025-10-31T14:26:48Z)
• Computable measures of non-Markovianity for Gaussian free fermion systems [0.0]
  自由フェルミオン力学により支配される開量子系における非マルコビアン性の測定について検討する。 ガウス状態の場合、トレースベースの距離(特にヒルベルト・シュミットノルム)と2階ルネニイ相互情報は効率的に表現できる。
  論文  参考訳（メタデータ） (2025-09-30T08:47:20Z)
• Reconstructing Quantum States and Expectations via Dynamical Tomography [0.0]
  量子システムでは、トモグラフィー技術による状態再構成には、情報的に完備な可観測物の集合は必要ない。 このアイデアは力学量子トモグラフィーにつながり、その実現可能性として一般量子力学を特徴付ける。 このフレームワークはスピン鎖(散逸の有無にかかわらず)と電子核系への応用を図示する。
  論文  参考訳（メタデータ） (2025-09-29T11:43:52Z)
• Measurement-induced phase transition in interacting bosons from most likely quantum trajectory [44.61740865424298]
  量子軌跡の確率分布からそのような軌跡を同定する方法を示す。 ガウス理論の場合、この方法を正確に証明し、相互作用するSine-Gordonモデルに拡張する。 このフレームワークではもはや正確ではないが、この手法は自己一貫性のある時間依存調和近似を通して力学を捉える。
  論文  参考訳（メタデータ） (2025-09-29T09:37:01Z)
• Current-based metrology with two-terminal mesoscopic conductors [11.663587862869102]
  オープン量子系では、量子論への別のアプローチは、システムからその環境へ流れる電流を測定することである。 本研究では,Landauer-B"uttikerフォーマリズムにおける推定精度を決定する重要な要素を同定する。 線形応答系とゼロ温度系における精度の解析結果を得た。
  論文  参考訳（メタデータ） (2025-07-17T08:50:37Z)
• Double Debiased Machine Learning for Mediation Analysis with Continuous Treatments [38.70412001488559]
  本稿では,継続的な治療を支援するメディエーション分析のための機械学習アルゴリズムを提案する。 本研究では,現実の医療データとシミュレーションによるアプローチの数値評価を行い,グリセミックコントロールが認知機能に与える影響を解析する。
  論文  参考訳（メタデータ） (2025-03-08T10:46:47Z)
• 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)
• Combining critical and quantum metrology [0.0]
  本稿では,2つの手法を組み合わせて,閉鎖型・駆動型システムに適用可能な統一プロトコルを提案する。 我々は、量子的および古典的なフィッシャー情報に対する解析式をそのような設定で提供し、解明し、簡単な測定方法を提案する。 これらの結果は、ディックとリプキン・メシュコフ=グリック・ハミルトンの熱力学限界を特徴づけるスキューズ・ハミルトニアン(英語版)に焦点をあてて示す。
  論文  参考訳（メタデータ） (2023-11-28T04:21:39Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Exact solutions of interacting dissipative systems via weak symmetries [77.34726150561087]
  我々は任意の強い相互作用や非線形性を持つクラスマルコフ散逸系(英語版)のリウヴィリアンを解析的に対角化する。 これにより、フルダイナミックスと散逸スペクトルの正確な記述が可能になる。 我々の手法は他の様々なシステムに適用でき、複雑な駆動散逸量子系の研究のための強力な新しいツールを提供することができる。
  論文  参考訳（メタデータ） (2021-09-27T17:45:42Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Probing the topological Anderson transition with quantum walks [48.7576911714538]
  光線形ネットワークにおける1次元量子ウォークについて考察する。 ウォーカーの確率分布を直接監視するオプションは、この光学プラットフォームを1次元トポロジカルアンダーソン転移のユニークなシグネチャの実験的観察に最適である。
  論文  参考訳（メタデータ） (2021-02-01T21:19:15Z)

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。