論文の概要: Finding efficient observable operators in entanglement detection via convolutional neural network

• arxiv url: http://arxiv.org/abs/2205.13376v2
• Date: Sat, 28 May 2022 01:26:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-11 16:37:08.869552
• Title: Finding efficient observable operators in entanglement detection via convolutional neural network
• Title（参考訳）: 畳み込みニューラルネットワークによる絡み合い検出における効率的な可観測演算子の探索
• Authors: Zi-Qi Lian, You-Yang Zhou, Liu-Jun Wang, Qing Chen
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.0184593863282916
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In quantum information, it is of high importance to efficiently detect entanglement. Generally, it needs quantum tomography to obtain state density matrix. However, it would consumes a lot of measurement resources, and the key is how to reduce the consumption. In this paper, we discovered the relationship between convolutional layer of artificial neural network and the average value of an observable operator in quantum mechanics. Then we devise a branching convolutional neural network which can be applied to detect entanglement in 2-qubit quantum system. Here, we detect the entanglement of Werner state, generalized Werner state and general 2-qubit states, and observable operators which are appropriate for detection can be automatically found. Beside, compared with privious works, our method can achieve higher accuracy with fewer measurements for quantum states with specific form. The results show that the convolutional neural network is very useful for efficiently detecting quantum entanglement.
• Abstract（参考訳）: 量子情報では、エンタングルメントを効率的に検出することが重要である。 一般に、状態密度行列を得るためには量子トモグラフィーが必要である。 しかし、多くの測定リソースを消費し、鍵となるのは、どのように消費を減らすかである。 本稿では,ニューラルネットワークの畳み込み層と,量子力学における可観測演算子の平均値との関係を明らかにした。 次に,2量子ビット量子系の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提案する。 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。 プライベートな研究と比較して、本手法は特定の形態の量子状態に対してより少ない精度で高精度に測定できる。 その結果,畳み込みニューラルネットワークは,量子エンタングルメントを効率的に検出するのに非常に有用であることがわかった。

関連論文リスト

• Preparing Schrödinger cat states in a microwave cavity using a neural network [0.0]
  量子状態全体に対して最適化された制御パルスを出力するようにニューラルネットワークに教えることが可能であることを示す。 結果は、ディープニューラルネットワークとトランスファーラーニングが、様々な量子制御タスクに対する効率的な同時解をいかに生み出すかを示す。
  論文  参考訳（メタデータ） (2024-09-09T12:28:02Z)
• Effective detection of quantum discord by using Convolutional Neural Networks [0.0]
  我々は16個のカーネルを用いて、不協和状態と非不協和状態の区別を行う畳み込みニューラルネットワーク(CNN)を設計する。 量子不協和を効果的に検出できる分岐畳み込みニューラルネットワーク(BCNN)は、約85%または99%の精度を達成する。
  論文  参考訳（メタデータ） (2024-01-15T00:50:22Z)
• Entanglement transition in deep neural quantum states [0.0]
  深部ニューラルネットワークにおける情報伝達が深部神経量子状態の物理的絡み合い特性にどのように影響するかを示す。 このブリッジにより、領域と体積法が絡み合った状態を表すために最適な神経量子状態ハイパーパラメーターレギュレーションを特定できる。 正確な量子状態表現のためのネットワーク構成の理解の進歩は、容積法則量子状態を扱う効果的な表現を開発するのに役立ちます。
  論文  参考訳（メタデータ） (2023-12-19T08:40:23Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Efficient Bipartite Entanglement Detection Scheme with a Quantum Adversarial Solver [89.80359585967642]
  パラメータ化量子回路で完了した2プレーヤゼロサムゲームとして,両部絡み検出を再構成する。 このプロトコルを線形光ネットワーク上で実験的に実装し、5量子量子純状態と2量子量子混合状態の両部絡み検出に有効であることを示す。
  論文  参考訳（メタデータ） (2022-03-15T09:46:45Z)
• 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)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)
• 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)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)
• 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)
• 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)

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。