MétaCan
Menu
Retour à la cohorte
Enregistrement W3107757183 · doi:10.1088/2515-7647/abeb54

Rotation sensing at the ultimate limit

2021· preprint· en· W3107757183 sur OpenAlexafffund
Aaron Z. Goldberg, A. B. Klimov, Gerd Leuchs, L. L. Sánchez-Soto

Notice bibliographique

RevueJournal of Physics Photonics · 2021
Typepreprint
Langueen
DomainePhysics and Astronomy
ThématiqueMechanical and Optical Resonators
Établissements canadiensUniversity of Toronto
Organismes subventionnairesMegagrantsMinisterio de Ciencia e InnovaciónMitacsMinistry of Education and Science of the Russian FederationConsejo Nacional de Ciencia y TecnologíaNatural Sciences and Engineering Research Council of CanadaEuropean Commission
Mots-clésRotation (mathematics)Sensitivity (control systems)SalientQuantumOrientation (vector space)Limit (mathematics)Quantum limitFocus (optics)Computer scienceQuantum sensorStatistical physicsTheoretical physicsPhysicsQuantum technologyMathematicsEngineeringQuantum mechanicsOpticsElectronic engineeringArtificial intelligenceGeometryMathematical analysisOpen quantum system

Résumé

récupéré en direct d'OpenAlex

Abstract Conventional classical sensors are approaching their maximum sensitivity levels in many areas. Yet these levels are still far from the ultimate limits dictated by quantum mechanics. Quantum sensors promise a substantial step ahead by taking advantage of the salient sensitivity of quantum states to the environment. Here, we focus on sensing rotations, a topic of broad application. By resorting to the basic tools of estimation theory, we derive states that achieve the ultimate sensitivities in estimating both the orientation of an unknown rotation axis and the angle rotated about it. The critical enhancement obtained with these optimal states should make of them an indispensable ingredient in the next generation of rotation sensors that is now blossoming.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,004
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,019
Tête enseignante GPT0,266
Écart entre enseignants0,247 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Physics PhotonicsMême sujetMechanical and Optical ResonatorsTravaux en français237 207