論文の概要: Finding semi-optimal measurements for entanglement detection using
Autoencoder Neural Networks
- arxiv url: http://arxiv.org/abs/2003.07031v2
- Date: Sun, 16 Aug 2020 06:27:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-29 00:32:31.162642
- Title: Finding semi-optimal measurements for entanglement detection using
Autoencoder Neural Networks
- Title(参考訳): オートエンコーダニューラルネットワークを用いた絡み合い検出のための半最適測定
- Authors: Mohammad Yosefpor, Mohammad Reza Mostaan, Sadegh Raeisi
- Abstract要約: 3つの測定値の少ない高性能エンタングルメント検出器が検出可能であることを示す。
また、状態の完全な情報を用いて、2ビットの絡み合った状態をすべてほぼ完全に識別できるニューラルネットワークを開発する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Entanglement is one of the key resources of quantum information science which
makes identification of entangled states essential to a wide range of quantum
technologies and phenomena. This problem is however both computationally and
experimentally challenging. Here we use autoencoder neural networks to find
semi-optimal set of incomplete measurements that are most informative for the
detection of entangled states. We show that it is possible to find
high-performance entanglement detectors with as few as three measurements.
Also, with the complete information of the state, we develop a neural network
that can identify all two-qubits entangled states almost perfectly. This result
paves the way for automatic development of efficient entanglement witnesses and
entanglement detection using machine learning techniques.
- Abstract(参考訳): 絡み合いは、幅広い量子技術や現象に不可欠な絡み合い状態の同定を可能にする量子情報科学の鍵となる資源の1つである。
しかし、この問題は計算的にも実験的にも困難である。
ここでは、オートエンコーダニューラルネットワークを用いて、絡み合った状態の検出に最も有用な不完全な測定値の半最適セットを見つける。
3つの測定値の少ない高性能エンタングルメント検出器が検出可能であることを示す。
また、状態の完全な情報を用いて、2ビットの絡み合った状態をすべてほぼ完全に識別できるニューラルネットワークを開発する。
これにより,効率的な絡み込み証人の自動開発や,機械学習技術を用いた絡み付き検出が実現される。
関連論文リスト
- Verified Neural Compressed Sensing [58.98637799432153]
精度の高い計算タスクのために、初めて(私たちの知識を最大限に活用するために)証明可能なニューラルネットワークを開発します。
極小問題次元(最大50)では、線形および双項線形測定からスパースベクトルを確実に回復するニューラルネットワークを訓練できることを示す。
ネットワークの複雑さは問題の難易度に適応できることを示し、従来の圧縮センシング手法が証明不可能な問題を解く。
論文 参考訳(メタデータ) (2024-05-07T12:20:12Z) - Correlation-pattern-based Continuous-variable Entanglement Detection
through Neural Networks [1.5091188291530049]
連続変数の非ガウス状態における絡み合いは、多くの量子情報タスクにおいて、置換不能な利点をもたらす。
相関パターンを用いて連続変数の絡み合いを効果的に検出するニューラルネットワークを開発した。
論文 参考訳(メタデータ) (2023-10-31T16:00:25Z) - Quantum Process Learning Through Neural Emulation [3.7228085662092845]
入力アンサンブルの内部表現を構築し,未知の過程をエミュレートするニューラルネットワークを導入する。
我々のモデルは量子コンピューティング、量子フォトニクス、量子多体物理学への応用において高い精度を示す。
論文 参考訳(メタデータ) (2023-08-17T06:53:58Z) - Optimal quantum control via genetic algorithms for quantum state
engineering in driven-resonator mediated networks [68.8204255655161]
進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。
我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。
アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
論文 参考訳(メタデータ) (2022-06-29T14:34:00Z) - Finding efficient observable operators in entanglement detection via
convolutional neural network [2.0184593863282916]
2量子ビット量子システムにおける絡み合い検出に応用可能な分岐畳み込みニューラルネットワークを考案する。
ここでは、ワーナー状態、一般化されたワーナー状態、一般2量子状態の絡み合いを検出し、検出に適した可観測作用素を自動的に見つけることができる。
論文 参考訳(メタデータ) (2022-05-26T13:59:07Z) - A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。
MNIST画像データセットがそのような条件を満たすことを数値的に示す。
我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
論文 参考訳(メタデータ) (2021-07-19T23:41:03Z) - Detecting quantum entanglement with unsupervised learning [5.136040801991848]
本研究では,量子特徴のない正規サンプルの凸性を利用し,教師なし機械学習法を設計,量子特徴を異常として検出する。
本研究では,疑似シメセネットワークとジェネレーション対向ネットからなる複雑値ニューラルネットワークを提案し,それを分離可能な状態のみで訓練し,絡み合う非線形の証人を構築する。
この結果はベル非局所性やステアビリティといった他の量子リソースの検出に容易に適用でき、高次元量子データに隠された量子特徴を抽出する強力なツールを提供できることを示唆する。
論文 参考訳(メタデータ) (2021-03-08T14:56:24Z) - Neural-network-based parameter estimation for quantum detection [0.0]
量子検出スキームの文脈では、ニューラルネットワークは自然な遊び場を見つける。
適切にトレーニングされたニューラルネットワークは、基礎となる物理モデルに関する最小限の知識でターゲットを特徴付けることができることを示す。
我々は、この手法を171ドルYbドル+原子センサーの開発で実証する。
論文 参考訳(メタデータ) (2020-12-14T16:26:05Z) - BiDet: An Efficient Binarized Object Detector [96.19708396510894]
本稿では,効率的な物体検出のためのバイナライズニューラルネットワークのBiDetを提案する。
我々のBiDetは、冗長除去による物体検出にバイナリニューラルネットワークの表現能力を完全に活用している。
我々の手法は、最先端のバイナリニューラルネットワークを大きなマージンで上回る。
論文 参考訳(メタデータ) (2020-03-09T08:16:16Z) - Machine learning transfer efficiencies for noisy quantum walks [62.997667081978825]
グラフ型と量子系コヒーレンスの両方の要件を見つけるプロセスは自動化可能であることを示す。
この自動化は、特定のタイプの畳み込みニューラルネットワークを使用して、どのネットワークで、どのコヒーレンス要求の量子優位性が可能かを学習する。
我々の結果は、量子実験における利点の実証と、科学的研究と発見の自動化への道を開くために重要である。
論文 参考訳(メタデータ) (2020-01-15T18:36:53Z) - Adaptive Anomaly Detection for IoT Data in Hierarchical Edge Computing [71.86955275376604]
本稿では,階層型エッジコンピューティング(HEC)システムに対する適応型異常検出手法を提案する。
本研究では,入力データから抽出した文脈情報に基づいてモデルを選択する適応的手法を設計し,異常検出を行う。
提案手法を実際のIoTデータセットを用いて評価し,検出タスクをクラウドにオフロードするのとほぼ同じ精度を維持しながら,検出遅延を84%削減できることを実証した。
論文 参考訳(メタデータ) (2020-01-10T05:29:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。