MétaCan
Menu
Retour à la cohorte
Enregistrement W2156881010 · doi:10.1063/1.3630163

Adaptive Optical Phase Estimation Using Time-Symmetric Quantum Smoothing

2011· article· en· W2156881010 sur OpenAlexafffund
Trevor A. Wheatley, Dominic W. Berry, Hidehiro Yonezawa, Daisuke Nakane, H. Arao, D. T. Pope, Timothy C. Ralph, Howard M. Wiseman, Akira Furusawa, Elanor H. Huntington, Ping Koy Lam

Notice bibliographique

RevueAIP conference proceedings · 2011
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueLaser-Matter Interactions and Applications
Établissements canadiensPerimeter InstituteUniversity of Waterloo
Organismes subventionnairesIndustry CanadaMinistry of Education, Culture, Sports, Science and Technology
Mots-clésIconCitationSmoothingComputer scienceInformation retrievalWorld Wide WebComputer vision

Résumé

récupéré en direct d'OpenAlex

Quantum parameter estimation has many applications, from gravitational wave detection to quantum key distribution. The most commonly used technique for this type of estimation is quantum filtering, using only past observations. We present the first experimental demonstration of quantum smoothing, a time-symmetric technique that uses past and future observations, for quantum parameter estimation. We consider both adaptive and nonadaptive quantum smoothing, and show that both are better than their filtered counterparts. For the problem of estimating a stochastically varying phase shift on a coherent beam, our theory predicts that adaptive quantum smoothing (the best scheme) gives an estimate with a mean-square error up to 2√2 times smaller than nonadaptive filtering (the standard quantum limit). The experimentally measured improvement is 2.24±0.14. © 2010 The American Physical Society.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,944
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,063
Tête enseignante GPT0,305
Écart entre enseignants0,241 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations9
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIP conference proceedingsMême sujetLaser-Matter Interactions and ApplicationsTravaux en français237 207