Physics-Based versus Data-Driven Classification of Single-Photon Quantum Emitters from Sparse Autocorrelation Data
Este artículo evalúa el rendimiento de la inferencia bayesiana secuencial, el ajuste de Levenberg-Marquardt y una red neuronal de alimentación hacia adelante para clasificar emisores de fotón único a partir de datos de autocorrelación dispersos, demostrando que, si bien ningún método domina todos los parámetros, los enfoques basados en la física y los basados en datos son herramientas complementarias que ofrecen ventajas distintas en velocidad de convergencia, interpretabilidad y robustez bajo estadísticas de fotones variables.