存在干扰参数时的最优哈密顿量参数估计
Optimal Hamiltonian Parameter Estimation in the Presence of Nuisance Parameters
浏览论文内容
中文总结 AI 辅助
本文提出一个框架，通过引入有效生成元来表征干扰参数对目标参数精度的影响，并给出达到最终精度极限的最优协议，包括探针态、控制和测量。
中文摘要 AI 辅助
在许多传感应用中，感兴趣的物理量并非唯一的未知量，还存在额外的未知参数，即干扰参数，它们会影响估计的精度。虽然在没有干扰参数的情况下，目标参数的最终局部精度极限已被充分理解，但当存在干扰参数时，问题变得更具挑战性。在本工作中，我们开发了一个在存在干扰参数时进行最优哈密顿量参数估计的框架。我们引入了一个有效生成元，它捕捉了干扰参数对目标精度的影响，并提供了估计目标参数的最终精度极限的显式表征。最后，我们给出了显式的最优协议，包括探针态、控制和测量，这些协议能够达到这一基本极限。
英文摘要
In many sensing applications, the quantity of interest is not the only unknown, there are also additional unknown parameters, known as nuisance parameters, that affect the precision of estimation. While the ultimate local precision limit for a target parameter is well understood in the absence of nuisance parameters, the problem becomes significantly more challenging when they are present. In this work, we develop a framework for optimal Hamiltonian parameter estimation in the presence of nuisance parameters. We introduce an effective generator that captures the influence of nuisance parameters on the target precision, providing an explicit characterization of the ultimate precision limit for estimating the target parameter. Finally, we provide explicit optimal protocols, including probe state, control, and measurement that saturate this fundamental limit.
发表机构
- Pritzker School of Molecular Engineering, The University of Chicago（芝加哥大学普里茨克分子工程学院）
- Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong（香港科技大学机械与自动化工程系）
- Mathematics and Computer Science Division, Argonne National Laboratory（阿贡国家实验室数学与计算机科学部）
机构由 AI 辅助整理，请以论文原文为准。
