Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Bayesian recursive data-pattern tomography

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989592%3A15310%2F15%3A33154971" target="_blank" >RIV/61989592:15310/15:33154971 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://journals.aps.org/pra/pdf/10.1103/PhysRevA.92.052106" target="_blank" >http://journals.aps.org/pra/pdf/10.1103/PhysRevA.92.052106</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1103/PhysRevA.92.052106" target="_blank" >10.1103/PhysRevA.92.052106</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Bayesian recursive data-pattern tomography

  • Popis výsledku v původním jazyce

    We present a simple and efficient Bayesian recursive algorithm for the data-pattern scheme for quantum state reconstruction, which is applicable to situations where measurement settings can be controllably varied efficiently. The algorithm predicts the best measurements required to accurately reconstruct the unknown signal state in terms of a fixed set of probe states. In each iterative step, this algorithm seeks the measurement setting that minimizes the variance of the data-pattern estimator, which essentially measures the reconstruction accuracy, with the help of a data-pattern bank that was acquired prior to the signal reconstruction. We show that, with this algorithm, it is possible to minimize the number of measurement settings required to obtaina reasonably accurate state estimator by using just the optimal settings and, at the same time, increasing the numerical efficiency of the data-pattern reconstruction.

  • Název v anglickém jazyce

    Bayesian recursive data-pattern tomography

  • Popis výsledku anglicky

    We present a simple and efficient Bayesian recursive algorithm for the data-pattern scheme for quantum state reconstruction, which is applicable to situations where measurement settings can be controllably varied efficiently. The algorithm predicts the best measurements required to accurately reconstruct the unknown signal state in terms of a fixed set of probe states. In each iterative step, this algorithm seeks the measurement setting that minimizes the variance of the data-pattern estimator, which essentially measures the reconstruction accuracy, with the help of a data-pattern bank that was acquired prior to the signal reconstruction. We show that, with this algorithm, it is possible to minimize the number of measurement settings required to obtaina reasonably accurate state estimator by using just the optimal settings and, at the same time, increasing the numerical efficiency of the data-pattern reconstruction.

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    BH - Optika, masery a lasery

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA15-03194S" target="_blank" >GA15-03194S: Informačně úplná měření pro zpracování informace prostřednictvím náhodného světla</a><br>

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2015

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Physical Review A

  • ISSN

    1050-2947

  • e-ISSN

  • Svazek periodika

    92

  • Číslo periodika v rámci svazku

    5

  • Stát vydavatele periodika

    US - Spojené státy americké

  • Počet stran výsledku

    10

  • Strana od-do

    "052106-1"-"052106-10"

  • Kód UT WoS článku

    000364396900002

  • EID výsledku v databázi Scopus