論文の概要: Data-driven criteria for quantum correlations
- arxiv url: http://arxiv.org/abs/2307.11091v2
- Date: Mon, 19 Aug 2024 09:24:10 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-21 04:26:45.186686
- Title: Data-driven criteria for quantum correlations
- Title(参考訳): 量子相関に関するデータ駆動基準
- Authors: Mateusz Krawczyk, Jarosław Pawłowski, Maciej M. Maśka, Katarzyna Roszak,
- Abstract要約: 3ビットシステムにおける相関を検出する機械学習モデルを構築した。
提案した検出器は、量子相関の弱い形式、すなわち量子不協和を、絡み合いよりもはるかによく識別する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We build a machine learning model to detect correlations in a three-qubit system using a neural network trained in an unsupervised manner on randomly generated states. The network is forced to recognize separable states, and correlated states are detected as anomalies. Quite surprisingly, we find that the proposed detector performs much better at distinguishing a weaker form of quantum correlations, namely, the quantum discord, than entanglement. In fact, it has a tendency to grossly overestimate the set of entangled states even at the optimal threshold for entanglement detection, while it underestimates the set of discordant states to a much lesser extent. In order to illustrate the nature of states classified as quantum-correlated, we construct a diagram containing various types of states -- entangled, as well as separable, both discordant and non-discordant. We find that the near-zero value of the recognition loss reproduces the shape of the non-discordant separable states with high accuracy, especially considering the non-trivial shape of this set on the diagram. The network architecture is designed carefully: it preserves separability, and its output is equivariant with respect to qubit permutations. We show that the choice of architecture is important to get the highest detection accuracy, much better than for a baseline model that just utilizes a partial trace operation.
- Abstract(参考訳): ランダムに生成された状態に基づいて教師なしで訓練されたニューラルネットワークを用いて,3量子システム内の相関関係を検出する機械学習モデルを構築した。
ネットワークは分離可能な状態を認識せざるを得ず、相関状態は異常として検出される。
驚くほど驚くべきことに、提案された検出器は量子相関の弱い形、すなわち量子不協和を、絡み合いよりもはるかによく識別する。
実際、絡み合い検出の最適しきい値においても、絡み合い状態の集合を極端に過大評価する傾向があり、不協和状態の集合をはるかに少ない程度に過小評価する傾向にある。
量子関連性に分類される状態の性質を説明するために、様々な種類の状態を含むダイアグラムを構築する。
認識損失のほぼゼロの値は、特にこの図上の非自明な形状を考えると、非不一致分離状態の形状を高精度に再現する。
ネットワークアーキテクチャは、分離性を保持し、その出力は、キュービットの置換に関して等しく変化する。
部分的トレース操作のみを利用するベースラインモデルよりもはるかに優れた検出精度を得るためには,アーキテクチャの選択が重要であることを示す。
関連論文リスト
- 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) - Correlation-pattern-based Continuous-variable Entanglement Detection
through Neural Networks [1.5091188291530049]
連続変数の非ガウス状態における絡み合いは、多くの量子情報タスクにおいて、置換不能な利点をもたらす。
相関パターンを用いて連続変数の絡み合いを効果的に検出するニューラルネットワークを開発した。
論文 参考訳(メタデータ) (2023-10-31T16:00:25Z) - Certification of non-Gaussian Einstein-Podolsky-Rosen Steering [2.9290107337630613]
本稿では,高次観測値に基づく非ガウス的操舵基準を提案する。
調整可能な大きさの多成分猫状態を生成するための実現可能なスキームを提案する。
我々の研究は、非ガウス性および量子相関の基本的な特徴を明らかにする。
論文 参考訳(メタデータ) (2023-08-26T12:57:22Z) - Toward Certified Robustness Against Real-World Distribution Shifts [65.66374339500025]
我々は、データから摂動を学ぶために生成モデルを訓練し、学習したモデルの出力に関して仕様を定義する。
この設定から生じるユニークな挑戦は、既存の検証者がシグモイドの活性化を厳密に近似できないことである。
本稿では,古典的な反例誘導的抽象的洗練の概念を活用するシグモイドアクティベーションを扱うための一般的なメタアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-06-08T04:09:13Z) - Improved Quantum Algorithms for Fidelity Estimation [77.34726150561087]
証明可能な性能保証を伴う忠実度推定のための新しい,効率的な量子アルゴリズムを開発した。
我々のアルゴリズムは量子特異値変換のような高度な量子線型代数技術を用いる。
任意の非自明な定数加算精度に対する忠実度推定は一般に困難であることを示す。
論文 参考訳(メタデータ) (2022-03-30T02:02:16Z) - Neuro-Symbolic Entropy Regularization [78.16196949641079]
構造化予測では、目的は構造化されたオブジェクトをエンコードする多くの出力変数を共同で予測することである。
エントロピー正則化(Entropy regularization)という1つのアプローチは、決定境界が低確率領域にあるべきであることを示唆している。
我々は、モデルが有効対象を確実に予測することを奨励する損失、ニューロシンボリックエントロピー正規化を提案する。
論文 参考訳(メタデータ) (2022-01-25T06:23:10Z) - Building separable approximations for quantum states via neural networks [0.0]
ニューラルネットワークを用いて分離可能な状態をパラメータ化し、所定の目標状態までの距離を最小化するように訓練する。
アルゴリズムの出力を調べることにより、対象状態が絡み合っているか否かを推定し、最も近い分離可能な状態に対する近似を構築することができる。
分離可能性の異なる概念を考慮し, マルチパーティイトの場合, 効率的な手法を示す。
論文 参考訳(メタデータ) (2021-12-15T11:50:25Z) - SignalNet: A Low Resolution Sinusoid Decomposition and Estimation
Network [79.04274563889548]
本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。
基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。
シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
論文 参考訳(メタデータ) (2021-06-10T04:21:20Z) - Particle Track Classification Using Quantum Associative Memory [0.3058685580689604]
パターン認識アルゴリズムは、一般に、サブ原子物理学実験における軌道再構成のステップを単純化するために用いられる。
本稿では,量子アニールに基づく量子連想メモリについて検討し,粒子トラック分類に適用する。
D-Wave 2000Qプロセッサをテストベッドとして,これらの手法の分類性能を関数検出器分解能,パターンライブラリサイズ,検出器非効率として特徴付ける。
論文 参考訳(メタデータ) (2020-11-24T02:32:19Z) - Tractable Inference in Credal Sentential Decision Diagrams [116.6516175350871]
確率感性決定図は、解離ゲートの入力が確率値によってアノテートされる論理回路である。
我々は、局所確率を質量関数のクレーダル集合に置き換えることができる確率の一般化である、クレーダル感性決定図を開発する。
まず,ノイズの多い7セグメント表示画像に基づく簡単なアプリケーションについて検討する。
論文 参考訳(メタデータ) (2020-08-19T16:04:34Z) - Gaussian Process States: A data-driven representation of quantum
many-body physics [59.7232780552418]
我々は、絡み合った多体量子状態をコンパクトに表現するための、新しい非パラメトリック形式を示す。
この状態は、非常にコンパクトで、体系的に即効性があり、サンプリングに効率的である。
また、量子状態に対する普遍的な近似器として証明されており、データセットのサイズが大きくなるにつれて、絡み合った多体状態も捉えることができる。
論文 参考訳(メタデータ) (2020-02-27T15:54:44Z)
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。