Variational Anonymous Quantum Sensing
Notice bibliographique
Résumé
QSNs (QSNs) incorporate quantum sensing and quantum communication to achieve Heisenberg precision and unconditional security by leveraging quantum properties such as superposition and entanglement. However, the QSNs deploying noisy intermediate-scale quantum (NISQ) devices face near-term practical challenges. In this paper, we employ variational quantum sensing (VQS) to optimize sensing configurations in noisy environments for the physical quantity of interest, e.g., magnetic-field sensing for navigation, localization, or detection. The VQS algorithm is variationally and evolutionarily optimized using a genetic algorithm for tailoring a variational or parameterized quantum circuit (PQC) structure that effectively mitigates quantum noise effects. This genetic VQS algorithm designs the PQC structure possessing the capability to create a variational probe state that metrologically outperforms the maximally entangled or product quantum state under bit-flip, dephasing, and amplitude-damping quantum noise for both single-parameter and multiparameter NISQ sensing, specifically as quantified by the quantum Fisher information. Furthermore, the quantum anonymous broadcast (QAB) shares the sensing information in the VQS network, ensuring anonymity and untraceability of sensing data. The broadcast bit error probability (BEP) is further analyzed for the QAB protocol under quantum noise, showing its robustness—i.e., error-free resilience—against bit-flip noise as well as the low-noise BEP behavior. This work provides a scalable framework for integrated quantum anonymous sensing and communication, particularly in a variational and untraceable manner.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».