MétaCan
Menu
Retour à la cohorte
Enregistrement W2950228745 · doi:10.1103/physrevd.100.125004

Quantum imaging using relativistic detectors

2019· article· en· W2950228745 sur OpenAlexafffund
Nicholas Bornman, Achim Kempf, Andrew Forbes

Notice bibliographique

RevuePhysical review. D/Physical review. D. · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueRandom lasers and scattering media
Établissements canadiensPerimeter InstituteUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCouncil for Scientific and Industrial Research, South Africa
Mots-clésPhysicsQuantum entanglementQuantum imagingUnruh effectDetectorQuantumInertial frame of referenceQuantum mechanicsPhotonSpontaneous parametric down-conversionGhost imagingClassical mechanicsOpticsQuantum network

Résumé

récupéré en direct d'OpenAlex

Imaging in quantum optics is usually formulated in the languages of quantum mechanics and Fourier optics. While relatively advanced fields, notions such as different reference frames and the degradation of entanglement due to acceleration are not usually featured. Here we propose the idea of using so-called Unruh-DeWitt (UDW) detectors to model the imaging process in quantum optics. In particular, we first present a quantum field theory version of a state describing spontaneous parametric down-conversion, one of the principal processes employed to create entangled photons in the laboratory. This state, coupled to UDW detectors, is used to investigate a single-pixel ghost image under both inertial and noninertial settings, and a two-pixel image under inertial conditions. The reconstructed images obtained for various possible inputs can be distinguished better than a pure guess, hence the formalism can be used to describe imaging between noninertial frames. We briefly consider the origin of the correlations between the UDW detectors, which do not appear to arise from the usual notion of entanglement. Finally, we find that the contrast between the possible outcomes in the single-pixel case follows a curious coupling time dependent behavior.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,004
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,014
Tête enseignante GPT0,389
Écart entre enseignants0,376 · 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
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

Citations2
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical review. D/Physical review. D.Même sujetRandom lasers and scattering mediaTravaux en français237 207