論文の概要: Entanglement Classification via Witness Operators generated by Support Vector Machine

• arxiv url: http://arxiv.org/abs/2301.06759v1
• Date: Tue, 17 Jan 2023 08:49:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-18 14:37:07.511889
• Title: Entanglement Classification via Witness Operators generated by Support Vector Machine
• Title（参考訳）: サポートベクトルマシンによるウイットネス演算子による絡み合い分類
• Authors: Claudio Sanavio and Edoardo Tignone and Elisa Ercolessi
• Abstract要約: 本研究では、機械学習アルゴリズムを用いて、分離可能な状態と絡み合った状態の分類を行う。 支持ベクトルマシンは、ランダムな98%が92%の精度で絡み合っているかどうかを認識できることを示す。 また,支援ベクトルマシンアルゴリズムが絡み合いの目撃者演算子の評価を実装できる理由と状況についても述べる。
• 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: Although entanglement is a basic resource for reaching quantum advantange in many computation and information protocols, we lack a universal recipe for detecting it, with analytical results obtained for low dimensional systems and few special cases of higher dimensional systems. In this work, we use a machine learning algorithm, the support vector machine with polynomial kernel, to classify separable and entangled states. We apply it to two-qubit and three-qubit systems, and we show that, after training, the support vector machine is able to recognize if a random state is entangled with an accuracy up to 92% for the two-qubit system and up to 98% for the three-qubit system. We also describe why and in what regime the support vector machine algorithm is able to implement the evaluation of an entanglement witness operator applied to many copies of the state, and we describe how we can translate this procedure into a quantum circuit.
• Abstract（参考訳）: 絡み合いは多くの計算や情報プロトコルにおいて量子アドバンテージに到達するための基本的な資源であるが、低次元システムや高次元システムでは解析結果が得られず、普遍的な検出方法が欠如している。 本研究では,多項式カーネルを持つサポートベクトルマシンである機械学習アルゴリズムを用いて,分離可能な状態と絡み合った状態の分類を行う。 2量子ビットおよび3量子ビットシステムに適用し、トレーニング後、サポートベクターマシンは、ランダムな状態が2量子ビットシステムで最大92%、最大98%の精度で絡み合っているかどうかを認識できることを示した。 また, サポートベクトルマシンアルゴリズムが, 状態の多くのコピーに適用された絡み込み目撃者演算子の評価を, どのような状況で実装できるかを述べるとともに, この手順を量子回路に変換する方法について述べる。

関連論文リスト

• Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
  量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
  論文  参考訳（メタデータ） (2024-11-13T23:56:20Z)
• Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
  量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。 量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
  論文  参考訳（メタデータ） (2024-06-17T18:20:51Z)
• Entanglement detection with classical deep neural networks [0.0]
  本稿では,量子絡みの検出と分類を自律的に行う手法を提案する。 マルチ層パーセプトロンを用いて、2ビット系と3ビット系の両方のエンタングルメントを効果的に同定する。
  論文  参考訳（メタデータ） (2023-04-12T16:14:18Z)
• Data re-uploading with a single qudit [1.0923877073891446]
  2段階の量子システム、すなわち量子ビットは、ほとんどの量子機械学習のアプローチの基礎となる。 量子機械学習のコンテキストにおけるマルチレベル量子システム、いわゆるクイディットの機能について検討する。
  論文  参考訳（メタデータ） (2023-02-27T16:32:16Z)
• 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)
• Gradient-descent quantum process tomography by learning Kraus operators [63.69764116066747]
  離散および連続変数の量子システムに対して量子プロセストモグラフィー(QPT)を行う。 我々は、クラウス作用素を得るために、最適化中にいわゆるスティーフェル多様体に対して制約付き勾配-退化(GD)アプローチを用いる。 GD-QPTは、2量子ランダムプロセスを持つベンチマークにおいて、圧縮センシング(CS)と投影最小二乗QPT(PLS)の両方のパフォーマンスと一致する。
  論文  参考訳（メタデータ） (2022-08-01T12:48:48Z)
• Single-Qubit Reaped Quantum State Tomography [0.0]
  観測可能な3つしか測定できない量子状態トモグラフィーの新たな手法を提案する。 システムの波動関数は、システムの測定時にポインタに"領域"される。 また、統計的不完全データから状態を推定する、効率的でスケーラブルな反復的最大値アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-06-20T03:57:49Z)
• 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)
• Einstein-Podolsky-Rosen steering based on semi-supervised machine learning [9.306533000442966]
  EPRステアリング(Einstein-Podolsky-Rosen)は、量子情報処理において強力な非局所量子資源である。 サポートベクタマシンやニューラルネットワークなどの監視された機械学習は、EPRのステアビリティを検出するために訓練されている。 本稿では,量子ステアリングの検出において,ラベル付き量子状態のごく一部のみを使用する半教師付き支持ベクトルマシンを提案する。
  論文  参考訳（メタデータ） (2021-12-01T12:28:06Z)
• Quantum-enhanced bosonic learning machine [0.0]
  本稿では,量子データに閉じ込められたイオンのシステムで動作させる量子強化ボソニック学習マシンについて述べる。 我々は、高次元量子状態の集合におけるパターンを認識するために、教師なしK平均アルゴリズムを実装した。 得られた知識を用いて、未知の量子状態を教師付きk-NNアルゴリズムで分類する。
  論文  参考訳（メタデータ） (2021-04-09T02:44:57Z)
• Facial Expression Recognition on a Quantum Computer [68.8204255655161]
  量子機械学習手法を用いて表情認識の可能な解を示す。 適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
  論文  参考訳（メタデータ） (2021-02-09T13:48:00Z)

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。