MétaCan
Menu
Retour à la cohorte
Enregistrement W2088585534 · doi:10.1103/physreva.89.012313

Optimal post-processing for a generic single-shot qubit readout

2014· article· en· W2088585534 sur OpenAlexafffund
Benjamin D’Anjou, W. A. Coish

Notice bibliographique

RevuePhysical Review A · 2014
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueQuantum and electron transport phenomena
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPhysicsQubitFilter (signal processing)SpinsApproxQuantum mechanicsStatistical physicsMathematicsComputer scienceQuantum

Résumé

récupéré en direct d'OpenAlex

We analyze three different post-processing methods applied to a single-shot qubit readout: the average-signal (boxcar filter), peak-signal, and maximum-likelihood methods. In contrast to previous work, we account for a stochastic turn-on time ${t}_{i}$ associated with the leading edge of a pulse signaling one of the qubit states. This model is relevant to spin-qubit readouts based on spin-to-charge conversion and would be generically reached in the limit of large signal-to-noise ratio $r$ for several other physical systems, including fluorescence-based readouts of ion-trap qubits and nitrogen-vacancy center spins. We derive analytical closed-form expressions for the conditional probability distributions associated with the peak-signal and boxcar filters. For the boxcar filter, we find an asymptotic scaling of the single-shot error rate $\ensuremath{\varepsilon}\ensuremath{\sim}lnr/\sqrt{r}$ when ${t}_{i}$ is stochastic, in contrast to the result $\ensuremath{\varepsilon}\ensuremath{\sim}lnr/r$ for deterministic ${t}_{i}$. Consequently, the peak-signal method outperforms the boxcar filter significantly when ${t}_{i}$ is stochastic, but is only marginally better for deterministic ${t}_{i}$ (a result that is consistent with the widespread use of the boxcar filter for fluorescence-based readouts and the peak signal for spin-to-charge conversion). We generalize the theoretically optimal maximum-likelihood method to stochastic ${t}_{i}$ and show numerically that a stochastic turn-on time ${t}_{i}$ will always result in a larger single-shot error rate. Based on this observation, we propose a general strategy to improve the quality of single-shot readouts by forcing ${t}_{i}$ to be deterministic.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,027
Tête enseignante GPT0,289
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical Review AMême sujetQuantum and electron transport phenomenaTravaux en français237 207