論文の概要: Sensitivity versus selectivity in entanglement detection via collective witnesses

• arxiv url: http://arxiv.org/abs/2307.08293v1
• Date: Mon, 17 Jul 2023 07:30:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-18 14:23:00.271799
• Title: Sensitivity versus selectivity in entanglement detection via collective witnesses
• Title（参考訳）: 集団証人による絡み合い検出における感度と選択性
• Authors: Vojt\v{e}ch Tr\'avn\'i\v{c}ek, Jan Roik, Karol Bartkiewicz, Anton\'in \v{C}ernoch, Pawe{\l} Horodecki, Karel Lemr
• Abstract要約: 本稿では,2量子および4量子系のための新しい集合的絡み合いを設計するための教師付き学習手法を提案する。 我々の発見は、複雑な量子システムにおいて、より効率的で正確な絡み合い検出方法を開発するための道を開く可能性がある。
• 参考スコア（独自算出の注目度）: 0.08896991256227595
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we present a supervised learning technique that utilizes artificial neural networks to design new collective entanglement witnesses for two-qubit and qubit-qutrit systems. Machine-designed collective entanglement witnesses allow for continuous tuning of their sensitivity and selectivity. These witnesses are, thus, a conceptually novel instrument allowing to study the sensitivity vs. selectivity trade-off in entanglement detection. The chosen approach is also favored due to its high generality, lower number of required measurements compared to quantum tomography, and potential for superior performance with regards to other types of entanglement witnesses. Our findings could pave the way for the development of more efficient and accurate entanglement detection methods in complex quantum systems, especially considering realistic experimental imperfections.
• Abstract（参考訳）: 本稿では,ニューラルネットワークを用いた教師付き学習手法を提案する。 機械設計の集団的絡み合い証人は、感度と選択性の連続的なチューニングを可能にする。 これらの証人は、エンタングルメント検出における感度と選択性のトレードオフを研究できる概念的に斬新な道具である。 選択されたアプローチは、その高い一般性、量子トモグラフィーと比較して要求される測定値の少ないこと、および他の種類の絡み合いの目撃者に対して優れた性能を示す可能性から好まれる。 複雑な量子システムにおけるより効率的で正確な絡み合い検出法の開発、特に現実的な実験的不完全性を考慮して、この発見は道を開くかもしれない。

関連論文リスト

• Enhancing collective entanglement witnesses through correlation with state purity [0.0]
  本稿では,白色雑音が集団量子計測に与える影響を解析する。 これはこれらの測定結果と量子状態の純度の関係を示唆している。
  論文  参考訳（メタデータ） (2023-12-08T10:39:45Z)
• Machine Learning-Based Intrusion Detection: Feature Selection versus Feature Extraction [3.5889226512319903]
  モノのインターネット(IoT)デバイスは、サイバー攻撃に対して非常に脆弱である。 機械学習に基づくIoTネットワークの侵入検出手法が開発されている。 本稿では,この2つの特徴量検出手法の総合的な比較を行った。
  論文  参考訳（メタデータ） (2023-07-04T08:48:01Z)
• TAD: Transfer Learning-based Multi-Adversarial Detection of Evasion Attacks against Network Intrusion Detection Systems [0.7829352305480285]
  我々は、侵入検知のための既存の最先端モデルを実装している。 次に、選択した回避攻撃のセットでこれらのモデルを攻撃します。 これらの敵攻撃を検知するために、我々は複数の移動学習に基づく敵検知器を設計、実装する。
  論文  参考訳（メタデータ） (2022-10-27T18:02:58Z)
• Near out-of-distribution detection for low-resolution radar micro-Doppler signatures [2.029924828197095]
  Near-of-distriion Detection (OOD) は、分類に必要な監督なしに意味的に類似したデータポイントを識別することを目的としている。 本稿では、レーダー目標検出のためのOODのユースケースを、他の種類のセンサや検出シナリオに提示する。
  論文  参考訳（メタデータ） (2022-05-12T08:27:14Z)
• Adversarially Robust One-class Novelty Detection [83.1570537254877]
  既存のノベルティ検出器は敵の例に感受性があることが示される。 本稿では, 新規性検知器の潜伏空間を制御し, 敵に対する堅牢性を向上する防衛戦略を提案する。
  論文  参考訳（メタデータ） (2021-08-25T10:41:29Z)
• Bandit Quickest Changepoint Detection [55.855465482260165]
  すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。 有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。 本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
  論文  参考訳（メタデータ） (2021-07-22T07:25:35Z)
• Towards Interaction Detection Using Topological Analysis on Neural Networks [55.74562391439507]
  ニューラルネットワークでは、あらゆる相互作用する特徴は共通の隠蔽ユニットとの強い重み付けの接続に従う必要がある。 本稿では, 永続的ホモロジーの理論に基づいて, 相互作用強度を定量化するための新しい尺度を提案する。 PID(Persistence Interaction Detection)アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2020-10-25T02:15:24Z)
• Dynamic Semantic Matching and Aggregation Network for Few-shot Intent Detection [69.2370349274216]
  利用可能な注釈付き発話が不足しているため、インテント検出は困難である。 セマンティック成分はマルチヘッド自己認識によって発話から蒸留される。 本手法はラベル付きインスタンスとラベルなしインスタンスの両方の表現を強化するための総合的なマッチング手段を提供する。
  論文  参考訳（メタデータ） (2020-10-06T05:16:38Z)
• Towards Efficient Processing and Learning with Spikes: New Approaches for Multi-Spike Learning [59.249322621035056]
  各種タスクにおける他のベースラインよりも優れた性能を示すための2つの新しいマルチスパイク学習ルールを提案する。 特徴検出タスクでは、教師なしSTDPの能力と、その制限を提示する能力を再検討する。 提案した学習ルールは,特定の制約を適用せずに,幅広い条件で確実にタスクを解くことができる。
  論文  参考訳（メタデータ） (2020-05-02T06:41:20Z)
• End-to-End Models for the Analysis of System 1 and System 2 Interactions based on Eye-Tracking Data [99.00520068425759]
  本稿では,よく知られたStroopテストの視覚的修正版において,様々なタスクと潜在的な競合事象を特定するための計算手法を提案する。 統計的分析により、選択された変数は、異なるシナリオにおける注意負荷の変動を特徴付けることができることが示された。 機械学習技術は,異なるタスクを分類精度良く区別できることを示す。
  論文  参考訳（メタデータ） (2020-02-03T17:46:13Z)

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。