論文の概要: Identifying nonclassicality from experimental data using artificial
neural networks
- arxiv url: http://arxiv.org/abs/2101.07112v2
- Date: Wed, 23 Jun 2021 10:52:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-14 21:09:29.817773
- Title: Identifying nonclassicality from experimental data using artificial
neural networks
- Title(参考訳): ニューラルネットワークを用いた実験データからの非古典性同定
- Authors: Valentin Gebhart, Martin Bohmann, Karsten Weiher, Nicola Biagi,
Alessandro Zavatta, Marco Bellini, Elizabeth Agudelo
- Abstract要約: ニューラルネットワークをトレーニングして、古典的および非古典的状態とを、その二次的測定分布から分類する。
光の状態の異なる実実験的な二次データから古典的特徴や非古典的特徴を正確に識別できることを示す。
- 参考スコア(独自算出の注目度): 52.77024349608834
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The fast and accessible verification of nonclassical resources is an
indispensable step towards a broad utilization of continuous-variable quantum
technologies. Here, we use machine learning methods for the identification of
nonclassicality of quantum states of light by processing experimental data
obtained via homodyne detection. For this purpose, we train an artificial
neural network to classify classical and nonclassical states from their
quadrature-measurement distributions. We demonstrate that the network is able
to correctly identify classical and nonclassical features from real
experimental quadrature data for different states of light. Furthermore, we
show that nonclassicality of some states that were not used in the training
phase is also recognized. Circumventing the requirement of the large sample
sizes needed to perform homodyne tomography, our approach presents a promising
alternative for the identification of nonclassicality for small sample sizes,
indicating applicability for fast sorting or direct monitoring of experimental
data.
- Abstract(参考訳): 非古典的資源の高速でアクセス可能な検証は、連続変数量子技術の幅広い利用に向けて不可欠のステップである。
本稿では,ホモダイン検出により得られた実験データを処理し,光量子状態の非古典性同定のための機械学習手法を提案する。
そこで我々は,古典的,非古典的状態の分類を行うニューラルネットワークを訓練した。
光の状態の異なる実実験的な二次データから古典的特徴や非古典的特徴を正確に識別できることを実証する。
さらに,訓練段階で使用されていない状態の非古典性も認識できることを示した。
ホモダイントモグラフィを行うのに必要な大きな試料サイズの必要性を回避し,小型標本サイズに対する非古典性の同定に有望な代替案を示し,高速選別や実験データの直接監視への適用性を示す。
関連論文リスト
- ShadowNet for Data-Centric Quantum System Learning [188.683909185536]
本稿では,ニューラルネットワークプロトコルと古典的シャドウの強みを組み合わせたデータ中心学習パラダイムを提案する。
ニューラルネットワークの一般化力に基づいて、このパラダイムはオフラインでトレーニングされ、これまで目に見えないシステムを予測できる。
量子状態トモグラフィーおよび直接忠実度推定タスクにおいて、我々のパラダイムのインスタンス化を示し、60量子ビットまでの数値解析を行う。
論文 参考訳(メタデータ) (2023-08-22T09:11:53Z) - Quantum-enhanced pattern recognition [0.0]
パターン認識の多セル問題において,初めて量子的優位性を示す。
我々は、古典的な資源で達成された分類誤差の量子的優位性を達成するために、絡み合ったプローブ状態と光子計数を用いる。
このことは、複雑な領域内でのボソニックロスの量子化パターン認識の今後の発展を動機付けている。
論文 参考訳(メタデータ) (2023-04-12T13:06:38Z) - Benchmarking common uncertainty estimation methods with
histopathological images under domain shift and label noise [62.997667081978825]
リスクの高い環境では、深層学習モデルは不確実性を判断し、誤分類の可能性がかなり高い場合に入力を拒否しなければなりません。
我々は,全スライド画像の分類において,最もよく使われている不確実性と頑健さの厳密な評価を行う。
我々は一般的に,手法のアンサンブルが,ドメインシフトやラベルノイズに対するロバスト性の向上とともに,より良い不確実性評価につながることを観察する。
論文 参考訳(メタデータ) (2023-01-03T11:34:36Z) - A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。
我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文 参考訳(メタデータ) (2022-11-23T18:25:32Z) - Towards efficient and generic entanglement detection by machine learning [20.392440676633573]
本稿では,フレキシブルな機械学習支援絡み検出プロトコルを提案する。
このプロトコルは様々な種類のノイズやサンプル効率に対して堅牢である。
数値シミュレーションでは、4量子GHZ状態とコヒーレントノイズとの絡み合いを検出することができる。
論文 参考訳(メタデータ) (2022-11-10T14:06:31Z) - Quantum Self-Supervised Learning [22.953284192004034]
対照的自己監督学習のためのハイブリッド量子古典ニューラルネットワークアーキテクチャを提案する。
ibmq_paris量子コンピュータ上の見えない画像を分類するために、最良の量子モデルを適用します。
論文 参考訳(メタデータ) (2021-03-26T18:00:00Z) - Identifying Learning Rules From Neural Network Observables [26.96375335939315]
学習ルールの異なるクラスは、重み、アクティベーション、即時的な階層的活動変化の集計統計に基づいてのみ分離可能であることを示す。
本研究は, シナプス後活動の電気生理学的記録から得られる活性化パターンが, 学習規則の同定に有効であることを示すものである。
論文 参考訳(メタデータ) (2020-10-22T14:36:54Z) - Open Set Recognition with Conditional Probabilistic Generative Models [51.40872765917125]
オープンセット認識のための条件付き確率生成モデル(CPGM)を提案する。
CPGMは未知のサンプルを検出できるが、異なる潜在特徴を条件付きガウス分布に近似させることで、既知のクラスを分類できる。
複数のベンチマークデータセットの実験結果から,提案手法がベースラインを著しく上回ることがわかった。
論文 参考訳(メタデータ) (2020-08-12T06:23:49Z) - Neural network quantum state tomography in a two-qubit experiment [52.77024349608834]
機械学習にインスパイアされた変分法は、量子シミュレータのスケーラブルな状態キャラクタリゼーションへの有望な経路を提供する。
本研究では,2ビットの絡み合った状態を生成する実験から得られた測定データに適用することにより,いくつかの手法をベンチマークし比較する。
実験的な不完全性やノイズの存在下では、変動多様体を物理状態に収束させることで、再構成された状態の質が大幅に向上することがわかった。
論文 参考訳(メタデータ) (2020-07-31T17:25:12Z) - Neural-network approach for identifying nonclassicality from
click-counting data [0.0]
記録された計測統計に基づいて,光の非古典的状態の同定のためのニューラルネットワーク手法を提案する。
特に、多重検出器で記録されたクリック統計に基づいて、古典的でない状態を認識できるネットワークを実装し、訓練する。
論文 参考訳(メタデータ) (2020-03-03T15:46:31Z)
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。