MétaCan
Menu
Retour à la cohorte
Enregistrement W2157025927 · doi:10.1103/physrevlett.104.093601

Adaptive Optical Phase Estimation Using Time-Symmetric Quantum Smoothing

2010· article· en· W2157025927 sur OpenAlexaff
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

Notice bibliographique

RevuePhysical Review Letters · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueQuantum Information and Cryptography
Établissements canadiensPerimeter InstituteUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésSmoothingQuantum phase estimation algorithmQuantumQuantum error correctionPhysicsQuantum algorithmQuantum limitQuantum metrologyStatistical physicsComputer scienceAlgorithmQuantum mechanicsQuantum computerQuantum networkMathematicsStatistics

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 2sqrt[2] times smaller than nonadaptive filtering (the standard quantum limit). The experimentally measured improvement is 2.24+/-0.14.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,995
Score d'incertitude au seuil0,620

Scores Codex et Gemma par catégorie

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

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 Opus0,024
Tête enseignante GPT0,314
Écart entre enseignants0,291 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations99
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical Review LettersMême sujetQuantum Information and CryptographyTravaux en français237 207