Bayesian error regions in quantum estimation II: region accuracy and adaptive methods
贝叶斯误差分析为从给定数据集获得的点估计量构建可信和合理的误差区域铺平了道路。我们引入了误差区域的区域精度的概念（点估计均方误差的推广），以量化所有区域点相对于未知真参数的平均统计精度。我们发现，区域精度的提高与[1]中的贝叶斯区域对偶运算密切相关。接下来，只有给定的数据集作为可行的证据，我们建立了各种自适应方法，以最大限度地提高区域精度相对于真实参数的类型报告的贝叶斯区域为一个给定的点估计。我们强调这些自适应方法的性能，通过比较它们与非自适应程序在三个量子参数估计的例子。自适应方案的结果和机制可以理解为自适应方法的区域模拟，以实现量子点估计的Cramer-Rao界。
2018-07-24 quant-ph
Adaptive Optical Imaging with Entangled Photons
针对无标记显微术中传统自适应光学依赖导星和特定优化指标的问题，本文提出利用纠缠光子相关性直接校正PSF的无导星方法，并在生物样品明场成像中证明其对散焦等像差的校正优势。
2024-01-24 quant-ph
Quantum variational learning for quantum error-correcting codes
量子纠错被认为是大规模容错量子计算的必要条件。在过去的二十年里，人们提出了各种量子纠错码，产生了许多好的码族。然而，这些代码中的大多数不适合近期量子设备。在这里，我们提出了VarQEC，一个噪声弹性变分量子算法搜索量子码与硬件高效的编码电路。成本函数的灵感来自QECC的最一般和最基本的要求，Knill-Laflamme条件。在给定目标噪声信道（或目标码参数）和硬件连通图的情况下，我们优化了一个浅变分量子线路来制备一个合格码的基态.原则上，VarQEC可以找到任何错误模型的量子码，无论是加性或非加性，简并或非简并，纯或不纯。我们已经验证了它的有效性，通过（重新）发现一些对称和非对称码，例如，$((n,2^{n-6},3))_2$用于从7到14的$n$。我们还发现了新的$((6,2,3))_2$和$((7,2,3))_2$代码，这些代码不等同于任何稳定器代码，并且VarQEC的大量数值证据表明$((7,3,3))_2$代码不存在。此外，我们发现了许多新的信道自适应码的错误模型，涉及最近邻相关错误。我们的工作揭示了新的光QECC一般的理解，这也可能有助于提高近期的设备性能与信道自适应纠错码。
2022-10-03 quant-ph
Adaptive Bayesian and frequentist data processing for quantum tomography
对于给定状态下的系统，信息上完全的量子测量的结果统计可以用于通过对取决于特定算子的结果的函数求平均来评估相同状态下的任何线性算子的系综期望。在这里，我们介绍了两种新的数据处理策略，非线性的频率，导致更快的收敛到理论预期。
2009-01-14 quant-ph
Experimental adaptive Bayesian estimation of multiple phases with limited data
在估计过程中获得最终边界是量子精密测量的主要目标。在这种情况下，若干问题需要通过仅采用有限量的资源来测量多个参数。为此，利用附加控制参数的自适应协议提供了一种工具来优化量子传感器的性能，以在这种有限的数据状态下工作。在估计过程中找到最佳策略来调整控制参数是一个重要的问题，机器学习技术是解决这一任务的自然解决方案。在这里，我们调查和实验实现的第一次自适应贝叶斯多参数估计技术量身定制，以达到最佳性能与非常有限的数据。我们采用了一个紧凑和灵活的集成光子电路，制造飞秒激光写入，它允许实现不同的策略与高度的控制。所得到的结果表明，自适应策略可以成为一个可行的方法，为现实的传感器与有限的资源。
2020-02-04 quant-ph
Adaptive Bayesian Quantum Tomography
在这封信中，我们重新审视量子层析实验的最佳设计问题。与以前的方法相比，在实验之前确定一组最佳测量值，我们允许测量值根据迄今为止收集的数据进行自适应和有效的重新优化。我们开发了一个自适应的统计框架的基础上贝叶斯推断和香农的信息，并证明了一个十倍减少所需的测量的总数相比，非自适应的方法，包括相互无偏的基础。
2011-10-05 quant-ph stat.AP
Making Trotterization adaptive and energy-self-correcting for NISQ devices and beyond
本文提出带守恒律反馈的自适应 Trotterization 量子算法，通过动态调整时间步长自校正误差、降低电路深度并实现受控长时间误差。
2023-08-14 cond-mat.stat-mech cond-mat.str-el quant-ph
Neural-Network Heuristics for Adaptive Bayesian Quantum Estimation
Eberhard-Karls-Universität Tübingen（图宾根大学）；The University of Nottingham（诺丁汉大学）；University of Oxford（牛津大学）
量子精密测量承诺前所未有的测量精度，但在实践中受到诸如探针数量、它们的相干时间或非经典量子态的资源的有限可用性的影响。参数估计的自适应贝叶斯方法由于自适应实验设计而允许有效地利用资源。对于它的实际成功，贝叶斯更新和自适应实验设计的快速数值解是至关重要的。在这里，我们展示了神经网络可以通过进化策略和强化学习的结合来训练成为快速而强大的实验设计算法。神经网络算法的性能优于已建立的算法的技术上重要的例子的频率估计的量子比特，遭受失相。我们创建神经网络的方法是非常普遍的，并补充了研究的贝叶斯更新的顺序蒙特卡罗方法，形成一个完整的框架，自适应贝叶斯量子估计。
2021-04-07 cs.LG quant-ph
Adaptive Hamiltonian Estimation Using Bayesian Experimental Design
使用贝叶斯实验设计技术，我们已经表明，对于一个单一的两能级量子力学系统下的强（投影）测量，模型哈密顿量的动力学参数可以估计与离线估计策略的精度呈指数级提高。为了实现这一点，我们推导出一个自适应协议，发现最佳实验的基础上以前的观察。我们表明，与此算法相关的风险是接近全局最优，给定一个统一的先验。此外，我们表明，采样在奈奎斯特速率是不是最佳的。
2011-11-03 math.PR quant-ph
Sequential Bayesian experiment design for adaptive Ramsey sequence measurements
拉姆齐序列是自旋量子比特的量子相位测量的典型例子。在Ramsey测量中，可以通过仔细选择相位累积时间设置$τ$的设置来优化测量效率。本文实现了一个连续的贝叶斯实验设计协议的阶段积累时间在低保真度拉姆齐测量，和性能相比，以前报道的自适应启发式协议和随机设置的选择。允许测量和设计计算同时运行的工作流极大地消除了测量开销中的计算时间。当进动频率是唯一的参数估计，贝叶斯设计是快的2和4倍，分别相对于自适应启发式和随机协议。
2021-05-05 physics.app-ph physics.ins-det quant-ph
Efficient adaptive Bayesian estimation of a slowly fluctuating Overhauser field gradient
针对III-V族半导体量子点中Overhauser场梯度引起的退相干问题，提出两种自适应贝叶斯估计方案，通过自由感应衰减实验实时估计梯度大小，显著提高精度并分析退相干与漂移影响。
2024-06-12 cond-mat.mes-hall quant-ph
Fundamental limits in Bayesian thermometry and attainability via adaptive strategies
我们调查的限制测温使用量子探针在热平衡内的贝叶斯方法。我们考虑了探针之间的工程相互作用的可能性，以提高其灵敏度，以及测量过程中的反馈，即，自适应协议一方面，我们得到了一个最终的约束在贝叶斯设置的测温精度，有效的任意相互作用和测量方案，其下限的误差与二次（海森堡）缩放的探针的数量。我们开发了一个简单的自适应策略，可以饱和这个限制。另一方面，我们推导出一个不去定理的非自适应协议，不允许比线性（散粒噪声样）缩放，即使有无限的控制探针，即访问任意多体相互作用。
2022-04-02 cond-mat.stat-mech physics.data-an quant-ph
Adaptive Bayesian algorithm for achieving desired quantum transition
贝叶斯方法利用贝叶斯定理在每次测量后更新所需参数的知识，广泛用于量子科学。对于量子科学中的各种应用，有效且准确地确定量子跃迁频率是必要的。然而，所需的过渡频率和可控的实验参数之间的确切关系通常是不存在的。在这里，我们提出了一个有效的方案，通过自适应贝叶斯算法搜索所需的量子跃迁的合适的条件，并通过使用相干布居囚禁在激光冷却的$^{87}$ Rb原子系综的实验证明它。过渡频率由外部磁场控制，该磁场可以通过施加直流电压实时调谐。通过自适应贝叶斯算法，电压可以自动收敛到所需的一个随机的初始值，只有经过几次迭代。特别是，当目标频率和施加电压之间的关系是非线性的，我们的算法表现出显着的优势，比传统的方法。该方法可广泛应用于原子钟、磁力计、核磁共振等精密光谱领域。
2021-04-24 cond-mat.quant-gas quant-ph
Bayesian Phase Estimation via Active Learning
贝叶斯估计方法通过引入一个可控的辅助相位，能够将不同似然函数的实验数据信息结合起来，从而获得较高的估计精度，已被广泛应用于相位估计中。在这里，我们提出了一个非自适应贝叶斯相位估计（BPE）算法与巧妙的更新规则的辅助相位设计通过主动学习。与自适应BPE算法不同，该算法中的辅助相位由预先建立的更新规则确定，只需对少量数据进行简单的统计分析，而不是每次更新都进行复杂的计算。由于通过主动学习显著减少了相同数量的贝叶斯更新的测量数量，因此我们的算法可以像自适应算法一样有效，并且具有非自适应算法的优点（例如宽动态范围和完美的噪声鲁棒性）。我们的算法在各种实际的量子传感器如原子钟和量子磁强计中有很好的应用前景。
2021-07-01 physics.atom-ph physics.optics quant-ph
Optimal cold atom thermometry using adaptive Bayesian strategies
在量子技术中，对少数超冷原子系统的精确温度测量是至关重要的，但可能是非常资源密集型的。在这里，我们提出了一个自适应贝叶斯框架，大大提高了冷原子温度估计的性能。具体来说，我们处理数据从真实的和模拟的释放-重新捕获温度测量实验的几个钾原子冷却到微开尔文范围内的光镊。从模拟中，我们证明，自适应地选择释放-重新捕获时间，以最大限度地提高信息增益确实大大减少了估计收敛到最终读数所需的测量次数。与传统方法不同，我们的建议系统地避免捕获和处理无信息的数据。我们还发现，一个更简单的非自适应方法，利用所有的先验信息可以产生竞争力的结果，我们把它的测试真实的实验数据。此外，我们能够产生更可靠的估计，特别是当测量数据是稀缺的和嘈杂的，他们收敛速度更快的渐近极限的真实温度。重要的是，底层的贝叶斯框架不是特定于平台的，可以适应其他设置以提高精度，从而为量子测温开辟新的途径。
2022-10-21 cond-mat.quant-gas physics.atom-ph quant-ph
Inverses, disintegrations, and Bayesian inversion in quantum Markov categories
我们引入量子马尔可夫范畴作为一种结构，它改进和扩展了概率论和信息论的综合方法，使其包括量子概率和量子信息理论。在这个更广泛的背景下，我们分析了三个连续更一般的可逆性和统计推断的概念：普通逆，解体，贝叶斯逆。我们证明，每一个是后者的一个严格的特殊情况下，某些子类别，提供了一个分类的基础贝叶斯反演作为一个概括的逆转过程。我们统一了几乎处处（a.e.）的范畴概念和$C^*$ -代数概念.等价性作为结果，我们证明了许多结果，包括S-正范畴的一个普遍的不广播定理，a.e.模块类别，纠错码和衰变之间的关系，贝叶斯反演和Umegaki的非交换充分性之间的关系。
2020-12-28 math.CT math.OA math.PR
