論文の概要: Gradient-based optimal control of the non-Hermitian skin effect in optomechanical arrays
- arxiv url: http://arxiv.org/abs/2609.04492v1
- Date: Thu, 03 Sep 2026 21:25:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-07 18:15:23.832646
- Title: Gradient-based optimal control of the non-Hermitian skin effect in optomechanical arrays
- Title（参考訳）: オプティメカルアレイにおける非エルミート皮膚効果の勾配に基づく最適制御
- Abstract要約: 単一ポート非エルミートセンサーは、気象学的精度に厳しいリソースを課す。
マルチポート幾何がこの資源を二重鎖オプト・ラグで束縛された非相互増幅を回避できるかどうかを検証した。
すべての解は、75パーセントの障害(qty87.5%の回復)の下でHurwitz-stableのままであり、深い安定性の利点は現実的な雑音に耐えられる。
このアーキテクチャは、qtyrange110gigahertzバンドをまたいだサブアットニュートン力検出を可能にする。
- 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: In single-port non-Hermitian sensors the Petermann factor offsets susceptibility gains, imposing a strict resource bound on metrological precision. We test whether a multi-port geometry can evade this bound: a double-chain optomechanical ladder with opposing non-reciprocal hoppings spatially separates signal amplification from quantum-noise drainage, and gradient-based differentiable optimal control (DOC) maximizes the resource-normalized Fisher information $\Fnorm$ subject to a Hurwitz-stability constraint. Across system sizes $N\in\{\num{6},\dots,\num{16}\}$ the optimizer returns $\Fnorm>0$ in every case, with two coexisting solution classes whose selection is initialization-dependent: deep-stability configurations achieve $\Fnorm\in\numrange{0.937}{0.987}$ with attenuated transmission, while marginal-stability configurations deliver directional gain $\Gfwd\in\qtyrange{13.5}{15.5}{\dB}$ with isolation $\Iso\in\qtyrange{40}{64}{\dB}$. A multi-restart ensemble reveals these classes are the endpoints of a precision--gain frontier. All solutions remain Hurwitz-stable under \qty{5}{\percent} disorder (\qty{87.5}{\percent} recovery), and the deep-stability advantage survives realistic preamplifier noise at $\Fnormeff\approx\num{0.3}$--$\num{0.5}$. Mapped onto circuit-QED parameters, the architecture enables sub-attonewton force sensing and broadband axion searches across the \qtyrange{1}{10}{\giga\hertz} band.
- Abstract（参考訳）: 単ポート非エルミートセンサーでは、ピーターマン因子は感受性の利得をオフセットし、計量的精度に縛られた厳密な資源を与える。
対向する非相互ホッピングを持つ二重鎖の光学ラグは、信号増幅を量子ノイズドレインから空間的に分離し、勾配に基づく微分可能最適制御(DOC)は、資源正規化されたフィッシャー情報$\Fnorm$をHurwitz-stability制約の下で最大化する。
Across system sizes $N\in\{\num{6},\dots,\num{16}\}$ the optimizationr return $\Fnorm>0$ in every case, with two coexisting solution class that select is initialization-dependent: achieved $\Fnorm\in\numrange{0.937}{0.987}$ with attenuated transmission, while marginal-stability configurations deliver directional gain $\Gfwd\in\qtyrange{13.5}{15.5}{\dB}$ with isolation $\Iso\in\qtyrange{4064}{dB}$.
マルチスタートアンサンブルは、これらのクラスが精度の高いフロンティアのエンドポイントであることを明らかにする。
すべての解は、\qty{5}{\percent} 障害(\qty{87.5}{\percent} 回復)の下でHurwitz-stable のままであり、深い安定性の利点は、$\Fnormeff\approx\num{0.3}$-$\num{0.5}$で現実的なプリアンプノイズを生き残る。
サーキットQEDパラメータにマップされたこのアーキテクチャは、サブアットニュートン力のセンシングと、\qtyrange{1}{10}{\giga\hertz}バンドのブロードバンド軸探索を可能にする。
関連論文リスト
- Model-level synthetic-flux control of hyperchaos order and matched-resource sensing in dissipative optomechanics [0.11545092788508222]
本稿では,ドライブおよびカップリングゲート型ハイパーカオス遷移の周方向を選択する合成流体位相$_rm syn$制御座標を提案する。
位相整合Floquet--Lyapunovプロトコル(モノドロミー乗算器でクロスチェック、消散ボリュームバランス$sum_i=nameTr(J)=-1.04$と180ラン三種監査)は、Neimark--Sacker bifurcation at $E*=num1.060のオンセットをローカライズする。
論文 参考訳（メタデータ） (2026-09-02T17:13:43Z) - Parameter-Free Dynamic Regret for Online Convex Optimization under Heavy-Tailed Noise [55.29259818039367]
重音下での非定常環境におけるオンライン凸最適化(OCO)について検討した。
ブロック長の幾何プール上に再起動したAdaGrad専門家を組み合わせたパラメータフリーアルゴリズムである textbfHT-PAder を提案する。
有限分散(p=2$)の特別な場合であっても、HT-パダーはパラメータフリーのミニマックスの普遍的後悔保証を提供する。
論文 参考訳（メタデータ） (2026-07-29T15:58:18Z) - Quantum Speedups for Stochastic Optimization with Heavy-Tailed Noise [49.730496294398726]
重み付き確率変数に対する新しい量子平均推定器を開発した。
尾指数>4/3$のより強い下界を導出し、次元への非自明な依存が避けられないことを示す。
凸目的関数に対して,量子射影勾配降下法を提案する。
論文 参考訳（メタデータ） (2026-07-28T09:29:37Z) - Optimal Quantum Differential Privacy via Fisher Information Spectral Analysis [0.0]
量子フィッシャー情報(QFI)メートル法は基本的な双対性を管理する。
この双対性を利用して、量子微分プライバシーのための幾何学的枠組みを確立する。
論文 参考訳（メタデータ） (2026-05-22T19:36:42Z) - Wavelet Variance Equipartition as a Threshold for World-Model Quality and Quantum Kernel TN-Simulability [0.0]
我々はウェーブレットスケーリング指数$$を臨界診断として同定する。
振幅符号化された量子カーネルの古典的シミュラビリティのシャープな遷移境界として$=1/2$を確立する。
この分散は、厳密には$Var[X] = (d-2)$としてスケールする。
論文 参考訳（メタデータ） (2026-05-12T05:41:12Z) - Sequential Minimal Optimization for $\varepsilon$-SVR with MAPE Loss and Sample-Dependent Box Constraints [0.0]
我々は、$varepsilon$-SVRciteVapnik 1995, Drucker 1997, Smola2004から生じる二次双対問題に対して、MAPE(Mean Absolute Percentage Error)を最小化するために、逐次最小最適化(SMO)アルゴリズムを導出した。
実装はオープンソースの textttpsvr R packageciteBenavidesHerrera2026Rpsvr で利用可能である。
論文 参考訳（メタデータ） (2026-05-02T13:51:46Z) - Optimal Unconstrained Self-Distillation in Ridge Regression: Strict Improvements, Precise Asymptotics, and One-Shot Tuning [61.07540493350384]
自己蒸留(英: Self-distillation, SD)とは、教師自身の予測と地道の混合で学生を訓練する過程である。
任意の予測リスクに対して、各正規化レベルにおいて、最適に混合された学生がリッジ教師に改善されることが示される。
本稿では,グリッド探索やサンプル分割,再構成なしに$star$を推定する一貫したワンショットチューニング手法を提案する。
論文 参考訳（メタデータ） (2026-02-19T17:21:15Z) - Probe-then-Commit Multi-Objective Bandits: Theoretical Benefits of Limited Multi-Arm Feedback [2.1772197319352498]
マルチラジオアクセス選択とモバイルエッジコンピューティングのオフロードによるオンラインリソース選択問題について検討する。
各ラウンドでエージェントは、$d$-dimensionalベクターのパフォーマンスを持つ$K$候補リンク/サーバを選択する。
我々は、楽観的なプローブ-then-commitアルゴリズムであるtextscPtC-P-UCB を開発した。
論文 参考訳（メタデータ） (2026-02-03T06:44:00Z) - Near-Optimal Online Learning for Multi-Agent Submodular Coordination: Tight Approximation and Communication Efficiency [52.60557300927007]
離散部分モジュラー問題を連続的に最適化するために,$textbfMA-OSMA$アルゴリズムを提案する。
また、一様分布を混合することによりKLの発散を効果的に活用する、プロジェクションフリーな$textbfMA-OSEA$アルゴリズムも導入する。
我々のアルゴリズムは最先端OSGアルゴリズムによって提供される$(frac11+c)$-approximationを大幅に改善する。
論文 参考訳（メタデータ） (2025-02-07T15:57:56Z) - Settling the Sample Complexity of Model-Based Offline Reinforcement
Learning [50.5790774201146]
オフライン強化学習(RL)は、事前収集されたデータを用いて、さらなる探索を行わずに学習する。
事前のアルゴリズムや分析は、最適なサンプルの複雑さに悩まされるか、サンプルの最適性に到達するために高いバーンインコストがかかるかのいずれかである。
モデルベース(あるいは"プラグイン")アプローチは,バーンインコストを伴わずに,最小限のサンプル複雑性を実現することを実証する。
論文 参考訳（メタデータ） (2022-04-11T17:26:19Z) - Naive Exploration is Optimal for Online LQR [49.681825576239355]
最適後悔尺度は$widetildeTheta(sqrtd_mathbfu2 d_mathbfx T)$で、$T$は時間ステップの数、$d_mathbfu$は入力空間の次元、$d_mathbfx$はシステム状態の次元である。
我々の下界は、かつての$mathrmpoly(logT)$-regretアルゴリズムの可能性を排除する。
論文 参考訳（メタデータ） (2020-01-27T03:44:54Z)
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。