MétaCan
Menu
Retour à la cohorte
Enregistrement W3082537668 · doi:10.1103/physreva.102.033701

Analyzing photon-count heralded entanglement generation between solid-state spin qubits by decomposing the master-equation dynamics

2020· article· en· W3082537668 sur OpenAlexafffund
Stephen C. Wein, Jia-Wei Ji, Yu-Feng Wu, Faezeh Kimiaee Asadi, Roohollah Ghobadi, Christoph Simon

Notice bibliographique

RevuePhysical review. A/Physical review, A · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueQuantum Information and Cryptography
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaSaskatchewan Pulse Growers
Mots-clésQuantum entanglementQubitMaster equationPhysicsDynamics (music)PhotonQuantum mechanicsState (computer science)W stateStatistical physicsSpin (aerodynamics)MathematicsQuantumAlgorithmThermodynamics

Résumé

récupéré en direct d'OpenAlex

We analyze and compare three different schemes that can be used to generate entanglement between spin qubits in optically active single solid-state quantum systems. Each scheme is based on first generating entanglement between the spin degree of freedom and the photon number, the time bin, or the polarization degree of freedom of photons emitted by the systems. We compute the time evolution of the entanglement generation process by decomposing the dynamics of a Markovian master equation into a set of propagation superoperators conditioned on the cumulative detector photon count. We then use the conditional density operator solutions to compute the efficiency and fidelity of the final spin-spin--entangled state while accounting for spin decoherence, optical pure dephasing, spectral diffusion, photon loss, phase errors, detector dark counts, and detector photon number resolution limitations. We find that the limit to fidelity for each scheme is restricted by the mean wave-packet overlap of photons from each source but that these bounds are different for each scheme. We also compare the performance of each scheme as a function of the distance between spin 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)
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 enseignants0,943
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
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 Opus0,038
Tête enseignante GPT0,349
Écart entre enseignants0,311 · 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

Citations20
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

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