MétaCan
Menu
Retour à la cohorte
Enregistrement W2115572089 · doi:10.1109/jstqe.2009.2020810

Adaptive Measurements in the Optical Quantum Information Laboratory

2009· article· en· W2115572089 sur OpenAlexaff
Howard M. Wiseman, Dominic W. Berry, Stephen D. Bartlett, Brendon L. Higgins, Geoff J. Pryde

Notice bibliographique

RevueIEEE Journal of Selected Topics in Quantum Electronics · 2009
Typearticle
Langueen
DomaineComputer Science
ThématiqueQuantum Information and Cryptography
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesAustralian Research CouncilGriffith UniversityMacquarie University
Mots-clésQuantum limitQubitComputer scienceQuantum informationQuantum information scienceQuantum imagingQuantum metrologyQuantumQuantum error correctionQuantum technologyInterferometryQuantum algorithmQuantum sensorQuantum computerQuantum networkAlgorithmQuantum mechanicsPhysicsStatistical physicsOpen quantum systemQuantum entanglement

Résumé

récupéré en direct d'OpenAlex

Adaptive techniques make practical many quantum measurements that would otherwise be beyond current laboratory capabilities. For example, they allow discrimination of nonorthogonal states with a probability of error equal to the Helstrom bound, measurement of the phase of a quantum oscillator with accuracy approaching (or in some cases attaining) the Heisenberg limit (HL), and estimation of phase in interferometry with a variance scaling at the HL, using only single qubit measurement and control. Each of these examples has close links with quantum information, in particular, experimental optical quantum information: the first is a basic quantum communication protocol; the second has potential application in linear optical quantum computing; the third uses an adaptive protocol inspired by the quantum phase estimation algorithm. We discuss each of these examples and their implementation in the laboratory, but concentrate upon the last, which was published most recently [Higginset al.,Nature, vol. 450, p. 393, 2007].

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,008
Science ouverte0,0020,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,018
Tête enseignante GPT0,250
Écart entre enseignants0,232 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations36
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of Selected Topics in Quantum ElectronicsMême sujetQuantum Information and CryptographyTravaux en français237 207