MétaCan
Menu
Retour à la cohorte
Enregistrement W2948990614 · doi:10.1103/physreva.100.042334

Extending comb-based spectral estimation to multiaxis quantum noise

2019· article· en· W2948990614 sur OpenAlexafffund
Gerardo A. Paz-Silva, Leigh Norris, F. Beaudoin, Lorenza Viola

Notice bibliographique

RevuePhysical review. A/Physical review, A · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueQuantum Information and Cryptography
Établissements canadiensNanoacademic Technologies
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesArmy Research OfficeMultidisciplinary University Research Initiative
Mots-clésDephasingQubitNoise (video)Statistical physicsGaussianEnergy (signal processing)Representation (politics)PhysicsSampling (signal processing)Gaussian noiseSpectral lineQuantumTopology (electrical circuits)AlgorithmComputer scienceMathematicsQuantum mechanicsOptics

Résumé

récupéré en direct d'OpenAlex

We show how to achieve full spectral characterization of general multiaxis additive noise on a single qubit, including arbitrary cross-axis noise correlations. Our pulsed spectral estimation technique is based on sequence repetition and frequency-comb sampling and is applicable in principle even to models where a large qubit energy splitting is present, as long as the noise is stationary and a second-order (Gaussian) approximation to the controlled reduced dynamics is viable. A key innovation in our approach is a spherical representation of the noise in terms of operators that couple directly to raising and lowering qubit operators, which is instrumental to show that only three suitably defined spectra effectively contribute in the large-splitting regime. Our result is crucial to extend the applicability of comb-based spectral estimation, which has been so far employed under the assumption of dephasing-dominated dynamics, to experimental platforms where both ${T}_{1}$ and ${T}_{2}$ processes may occur on comparable timescales or be otherwise significant, such as superconducting qubits.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge 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: aucune
Score de désaccord entre enseignants0,904
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,002
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)0,0000,012

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 Opus0,013
Tête enseignante GPT0,347
Écart entre enseignants0,334 · 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

Citations26
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical review. A/Physical review, AMême sujetQuantum Information and CryptographyTravaux en français237 207