We show that quantum detector tomography can be applied to the human visual system to explore human perception of photon number states. In detector tomography, instead of using very hard to produce photon number states, the response of a detector to light pulses with known photon statistics of varying intensity is recorded, and a model is fitted to the experimental outcomes thereby inferring the detector's photon number state response. Generally, light pulses containing a Poisson-distributed number of photons are utilised, which are very easy to produce in the lab. This technique has not been explored to study the human visual system before, because it usually requires a very large number of repetitions not suitable for experiments on humans. Yet, in the present study we show that detector tomography is feasible for human experiments. Assuming a simple model for this accuracy, the results of our simulations show that detector tomography is able to reconstruct the model using Bayesian inference with as little as $5000$ trials. We then optimize the experimental parameters in order to maximise the probability of showing that the single-photon accuracy is above chance. As such, our study opens the road to study human perception on quantum level.


翻译:我们显示,量子探测器断层摄影可应用于人类视觉系统,以探索人类对光子数状态的感知。在探测器断层摄影中,不是使用极难生成光子数状态,而是使用极难生成的光子数状态,而是记录一个探测器对光脉冲的响应,其已知光子统计强度不同,模型与实验结果相适应,从而推断探测器光子数的光子探测器的光子检测器的光子量数反应。一般而言,包含Poisson分布式光子数的光子脉冲可以使用,这在实验室中非常容易生成。我们以前没有研究过这一技术,因为通常需要大量不适于人类实验的重复。然而,在目前的研究中,我们表明,检测仪图是可行的,因此,我们模拟的结果显示,光谱摄影仪能够用小于5000美元的试验来重建模型。我们随后优化了实验参数,以便最大限度地显示单粒子子精确度的概率,从而打开了光量水平的研究。

0
下载
关闭预览

相关内容

Linux导论,Introduction to Linux,96页ppt
专知会员服务
79+阅读 · 2020年7月26日
2019年机器学习框架回顾
专知会员服务
36+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
78+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
94+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
41+阅读 · 2019年10月9日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Call for Nominations: 2022 Multimedia Prize Paper Award
CCF多媒体专委会
0+阅读 · 2022年2月12日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2023年3月13日
Arxiv
25+阅读 · 2022年1月3日
Arxiv
12+阅读 · 2019年4月9日
VIP会员
相关VIP内容
相关资讯
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Call for Nominations: 2022 Multimedia Prize Paper Award
CCF多媒体专委会
0+阅读 · 2022年2月12日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员