適応型ウェーブレットによるノイズ除去とベイズ的量子化手法を組み合わせた、高性能かつ学習不要のロバストなランダム・テレグラフ信号解析パイプライン

なぜ微小な信号のちらつきが重要なのか

現代の電子機器や生体内では、重要な現象が時間上の小さなクリックのように現れることがあります：信号が突然上昇し、しばらくそのままで、再び下がる。これらのジャンプはランダム・テレグラフ信号と呼ばれ、チップ内の単一欠陥が電子を捕捉したときや、生体の分子機構が状態遷移したときなどを示します。しかし実測では、こうしたジャンプは多くの他のノイズ源による雑音に埋もれがちです。本稿は、こうしたデータを自動的に清浄化し、隠れたジャンプのパターンを回復する、迅速で学習不要の解析パイプラインを紹介します。量子デバイスや次世代センサーのような将来技術に対して十分に信頼できる結果を提供することを目指しています。

引用: Bai, T., Kapoor, A. & Kim, N.Y. A high-performance training-free pipeline for robust random telegraph signal characterization via adaptive wavelet-based denoising and Bayesian digitization methods. Sci Rep 16, 7455 (2026). https://doi.org/10.1038/s41598-026-36656-2

キーワード: ランダム・テレグラフ信号, 信号ノイズ除去, ベイズ解析, 半導体ノイズ, 時系列