MétaCan
Menu
Retour à la cohorte
Enregistrement W3111910524 · doi:10.1109/radarconf2043947.2020.9266556

Practical Advantage in Microwave Quantum Illumination

2020· article· en· W3111910524 sur OpenAlexaff
Nizar Messaoudi, C. W. Sandbo Chang, A. M. Vadiraj, C. M. Wilson, Jérôme Bourassa, Bhashyam Balaji

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueQuantum Information and Cryptography
Établissements canadiensDefence Research and Development CanadaUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMicrowaveComputer scienceOptoelectronicsQuantumPhysicsTelecommunicationsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Broadly speaking, in quantum illumination we can say that a proposed protocol has a “quantum advantage” if it outperforms all possible classical protocols. In the optical domain of LIDAR, this is the most useful metric as lasers can routinely produce nearly ideal classical states of light at room temperature (RT). This is not the case in the microwave domain of RADAR where the photon energy is much less than the 300K thermal energy, meaning that a real RT microwave source will always be contaminated by significant thermal noise. Thus, it is not clear if it is technologically possible to produce an ideal classical microwave signal at RT. It is therefore interesting to ask if a microwave quantum illumination protocol can have a “practical advantage” compared to the best technologically feasible RT microwave source. In this paper, we look to frame this question more precisely. As a concrete example, we present experimental results showing that, contrary to recent claims in the literature [1], an entangled microwave source amplified by a cryogenic HEMT amplifier fails to obtain any performance advantage over a simply constructed RT source and, in facts, performs significantly worse. We present a simple theory which explains the experimental results and which offers guidance on how a practical advantage might be achieved.

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)0,004
score de la tête « metaresearch » (Gemma)0,013
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: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,006
Communication savante0,0020,007
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,028
Tête enseignante GPT0,284
Écart entre enseignants0,256 · 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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetQuantum Information and CryptographyTravaux en français237 207