Experimentally detecting a quantum change point via the Bayesian inference
Experimentally detecting a quantum change point via the Bayesian inference
复制标题
通过贝叶斯推理实验检测量子变化点
DOI：
10.1103/physreva.98.040301
复制
发表时间：
2018-01
影响因子：
2.9
通讯作者：
Munoz Tapia Ramon
中科院分区：
文献类型：
--
作者：
Yu Shang;Huang Chang Jiang;Tang Jian Shun;Jia Zhih Ahn;Wang Yi Tao;Ke Zhi Jin;Liu Wei;Liu Xiao;Zhou Zong Quan;Cheng Ze Di;Xu Jin Shi;Wu Yu Chun;Zhao Yuan Yuan;Xiang Guo Yong;Li Chuan Feng;Guo Guang Can;Sentis Gael;Munoz Tapia Ramon
检测变化点是统计学中的一项关键任务，最近已扩展到量子领域。在缺省状态下发射一系列单光子的源状态生成器在某一点遭受改变，并开始在突变状态下发射光子。问题在于找出发生变化的地点。在这项工作中，我们考虑了一个学习代理，它应用于实验数据的贝叶斯推理来解决这个问题。这台学习机根据过去的实验结果调整每个光子的测量值，以在线方式找到变化位置。结果表明，使用这种机器学习技术可以大大提高局部检测的成功率。该协议在许多需要相同量子态序列的应用中提供了改进的工具。
Detecting a change point is a crucial task in statistics that has been recently extended to the quantum realm. A source state generator that emits a series of single photons in a default state suffers an alteration at some point and starts to emit photons in a mutated state. The problem consists in identifying the point where the change took place. In this work, we consider a learning agent that applies Bayesian inference on experimental data to solve this problem. This learning machine adjusts the measurement over each photon according to the past experimental results finds the change position in an online fashion. Our results show that the local-detection success probability can be largely improved by using such a machine learning technique. This protocol provides a tool for improvement in many applications where a sequence of identical quantum states is required.
登录
查看更多内容
DOI：
10.1136/bmj.323.7325.1375/a
发表时间：
2001-12
期刊：
BMJ : British Medical Journal
影响因子：
--
作者：
K. Barraclough
通讯作者：
K. Barraclough
影响因子：
64.8
作者：
Higgins, B. L.;Berry, D. W.;Pryde, G. J.
通讯作者：
Pryde, G. J.
影响因子：
8.6
作者：
Y. Burnier;A. Rothkopf
通讯作者：
Y. Burnier;A. Rothkopf
影响因子：
56.9
作者：
Carleo, Giuseppe;Troyer, Matthias
通讯作者：
Troyer, Matthias
影响因子：
8.6
作者：
Harrow, Aram W.;Hassidim, Avinatan;Lloyd, Seth
通讯作者：
Lloyd, Seth