論文の概要: Towards efficient and generic entanglement detection by machine learning

• arxiv url: http://arxiv.org/abs/2211.05592v1
• Date: Thu, 10 Nov 2022 14:06:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-19 19:34:06.908942
• Title: Towards efficient and generic entanglement detection by machine learning
• Title（参考訳）: 機械学習による効率良く汎用的な絡み合い検出に向けて
• Authors: Jue Xu and Qi Zhao
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 20.392440676633573
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detection of entanglement is an indispensable step to practical quantum computation and communication. Compared with the conventional entanglement witness method based on fidelity, we propose a flexible, machine learning assisted entanglement detection protocol that is robust to different types of noises and sample efficient. In this protocol, an entanglement classifier for a generic entangled state is obtained by training a classical machine learning model with a synthetic dataset. The dataset contains classical features of two types of states and their labels (either entangled or separable). The classical features of a state, which are expectation values of a set of k-local Pauli observables, are estimated sample-efficiently by the classical shadow method. In the numerical simulation, our classifier can detect the entanglement of 4-qubit GHZ states with coherent noise and W states mixed with large white noise, with high accuracy.
• Abstract（参考訳）: 絡み合いの検出は、実用的な量子計算と通信に欠かせないステップである。 本手法は, 従来手法と比べ, 様々な種類のノイズに頑健で, サンプル効率のよいフレキシブルな機械学習支援型絡み検出プロトコルを提案する。 本プロトコルは、古典的機械学習モデルを合成データセットで訓練することにより、汎用的絡み合い状態のための絡み合い分類器を得る。 データセットには、2種類の状態とそのラベル(絡み合っているか分離可能である)の古典的な特徴が含まれている。 k-局所ポーリ可観測器の集合の期待値である状態の古典的特徴は、古典的影法によってサンプル効率良く推定される。 数値シミュレーションでは、コヒーレントノイズとw状態と大きな白色ノイズを混合した4量子ビットghz状態の絡み合いを高精度に検出できる。

関連論文リスト

• Certifiably Robust Encoding Schemes [40.54768963869454]
  量子機械学習は、量子力学の原理を使ってデータを処理し、速度と性能の潜在的な進歩を提供する。 これまでの研究では、これらのモデルが入力データを操作したり、量子回路のノイズを悪用したりする攻撃を受けやすいことが示されている。 本研究では,従来のデータ符号化方式における摂動に対するロバスト性を調べることで,この研究線を拡張した。
  論文  参考訳（メタデータ） (2024-08-02T11:29:21Z)
• 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)
• Valid and efficient entanglement verification with finite copies of a quantum state [0.4523163728236145]
  小データセットにおける絡み検出方式の有効性と効率を最適化する方法を示す。 この手法は相関関数に対する有限統計効果の分析モデルに基づく。
  論文  参考訳（メタデータ） (2022-08-03T11:27:45Z)
• Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
  我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。 信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
  論文  参考訳（メタデータ） (2022-06-29T23:22:18Z)
• Learning with Neighbor Consistency for Noisy Labels [69.83857578836769]
  特徴空間におけるトレーニング例間の類似性を利用した雑音ラベルから学習する手法を提案する。 合成(CIFAR-10, CIFAR-100)とリアル(mini-WebVision, Clothing1M, mini-ImageNet-Red)の両方のノイズを評価するデータセットの評価を行った。
  論文  参考訳（メタデータ） (2022-02-04T15:46:27Z)
• Generalization Metrics for Practical Quantum Advantage in Generative Models [68.8204255655161]
  生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。 我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。 シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
  論文  参考訳（メタデータ） (2022-01-21T16:35:35Z)
• Binary classifiers for noisy datasets: a comparative study of existing quantum machine learning frameworks and some new approaches [0.0]
  バイナリ分類を改善するためにQuantum Machine Learningフレームワークを適用した。 ノイズの多いデータセットは 財務的なデータセットの中にあります 新しいモデルでは、データセットの非対称ノイズに対する学習特性が向上する。
  論文  参考訳（メタデータ） (2021-11-05T10:29:05Z)
• Visualizing Classifier Adjacency Relations: A Case Study in Speaker Verification and Voice Anti-Spoofing [72.4445825335561]
  任意のバイナリ分類器によって生成される検出スコアから2次元表現を導出する簡単な方法を提案する。 ランク相関に基づいて,任意のスコアを用いた分類器の視覚的比較を容易にする。 提案手法は完全に汎用的であり,任意の検出タスクに適用可能だが,自動話者検証と音声アンチスプーフィングシステムによるスコアを用いた手法を実証する。
  論文  参考訳（メタデータ） (2021-06-11T13:03:33Z)
• Identifying nonclassicality from experimental data using artificial neural networks [52.77024349608834]
  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。
  論文  参考訳（メタデータ） (2021-01-18T15:12:47Z)
• Binary Classification with Classical Instances and Quantum Labels [0.0]
  古典的統計学習理論において、最もよく研究されている問題の1つは二項分類である。 このタスクの量子アナログで、量子状態として与えられたトレーニングデータも激しく研究され、現在では古典的なデータと同じサンプルの複雑さを持つことが知られている。 古典的入力と量子出力を持つ写像とそれに対応する古典的量子訓練データを考慮した古典的二項分類タスクの量子バージョンを提案する。
  論文  参考訳（メタデータ） (2020-06-10T18:00:09Z)

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。