基于单光子水平机器学习的多参数传感器鲁棒校准
量子物理
2021-04-07 v1
摘要
传感器校准是验证其运行的基本步骤。这可能是一项艰巨的任务，因为它依赖于获取设备的详细建模，并因其可能依赖于多个参数而更加困难。机器学习为这一问题提供了便捷的解决方案，它在参数与设备响应之间进行操作映射，而无需关于其功能的额外特定信息。在此，我们展示了一种基于神经网络（Neural Network）的算法在依赖于两个参数的集成光子器件校准中的应用。我们表明，通过仔细选择适当的网络训练策略，可以实现可靠的表征。这些结果表明了该方法作为具有复杂 transduction 函数的传感器多参数校准有效工具的可行性。
引用
@article{arxiv.2009.07122,
title = {Robust calibration of multiparameter sensors via machine learning at the single-photon level},
author = {Valeria Cimini and Emanuele Polino and Mauro Valeri and Ilaria Gianani and Nicolò Spagnolo and Giacomo Corrielli and Andrea Crespi and Roberto Osellame and Marco Barbieri and Fabio Sciarrino},
journal= {arXiv preprint arXiv:2009.07122},
year = {2021}
}