論文の概要: Entanglement Structure Detection via Computer Vision
- arxiv url: http://arxiv.org/abs/2401.03400v1
- Date: Sun, 7 Jan 2024 07:11:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-09 19:01:34.055913
- Title: Entanglement Structure Detection via Computer Vision
- Title(参考訳): コンピュータビジョンによる絡み合い構造検出
- Authors: Rui Li, Junling Du, Zheng Qin, Shikun Zhang, Chunxiao Du, Yang Zhou
and Zhisong Xiao
- Abstract要約: 量子絡み合いは、様々な量子情報処理タスクにおいて重要な役割を果たす。
本稿では,GHZ と W 状態の分類と様々な絡み合い構造の検出のためのハイブリッド CNN-Transformer モデルを提案する。
- 参考スコア(独自算出の注目度): 18.876952671920133
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum entanglement plays a pivotal role in various quantum information
processing tasks. However, there still lacks a universal and effective way to
detecting entanglement structures, especially for high-dimensional and
multipartite quantum systems. Noticing the mathematical similarities between
the common representations of many-body quantum states and the data structures
of images, we are inspired to employ advanced computer vision technologies for
data analysis. In this work, we propose a hybrid CNN-Transformer model for both
the classification of GHZ and W states and the detection of various
entanglement structures. By leveraging the feature extraction capabilities of
CNNs and the powerful modeling abilities of Transformers, we can not only
effectively reduce the time and computational resources required for the
training process but also obtain high detection accuracies. Through numerical
simulation and physical verification, it is confirmed that our hybrid model is
more effective than traditional techniques and thus offers a powerful tool for
independent detection of multipartite entanglement.
- Abstract(参考訳): 量子エンタングルメントは、様々な量子情報処理タスクにおいて重要な役割を果たす。
しかし、特に高次元および多部量子系において、絡み合い構造を検出する普遍的で効果的な方法がまだ存在しない。
多体量子状態の共通表現と画像のデータ構造との数学的類似性に注目し,高度なコンピュータビジョン技術を用いたデータ解析に着想を得た。
本研究では,GHZ と W 状態の分類と様々な絡み合い構造の検出のためのハイブリッド CNN-Transformer モデルを提案する。
CNNの特徴抽出能力とトランスフォーマーの強力なモデリング能力を活用することで、トレーニングプロセスに必要な時間と計算資源を効果的に削減できるだけでなく、高い検出精度を得ることができる。
数値シミュレーションと物理的検証により, ハイブリッドモデルが従来の手法よりも効果的であることを確認し, 多成分の絡み合いを独立に検出する強力なツールを提供する。
関連論文リスト
- Programmable Simulations of Molecules and Materials with Reconfigurable
Quantum Processors [0.3320294284424914]
モデルスピンハミルトニアンで表現できる強い相関量子系のシミュレーションフレームワークを導入する。
提案手法は、再構成可能な量子ビットアーキテクチャを利用して、リアルタイムなダイナミクスをプログラム的にシミュレートする。
本稿では, この方法を用いて, 多核遷移金属触媒と2次元磁性材料のキー特性を計算する方法について述べる。
論文 参考訳(メタデータ) (2023-12-04T19:00:01Z) - Symmetry-invariant quantum machine learning force fields [0.0]
我々は、データに着想を得た、広範囲な物理関連対称性の集合を明示的に組み込んだ量子ニューラルネットワークを設計する。
この結果から,分子力場生成は量子機械学習の枠組みを生かして著しく利益を得る可能性が示唆された。
論文 参考訳(メタデータ) (2023-11-19T16:15:53Z) - Simulation of Entanglement Generation between Absorptive Quantum
Memories [56.24769206561207]
我々は、QUantum Network Communication (SeQUeNCe) のオープンソースシミュレータを用いて、2つの原子周波数コム(AFC)吸収量子メモリ間の絡み合いの発生をシミュレートする。
本研究は,SeQUeNCe における truncated Fock 空間内の光量子状態の表現を実現する。
本研究では,SPDC音源の平均光子数と,平均光子数とメモリモード数の両方で異なる絡み合い発生率を観測する。
論文 参考訳(メタデータ) (2022-12-17T05:51:17Z) - Vision Transformer with Convolutions Architecture Search [72.70461709267497]
本稿では,畳み込み型アーキテクチャサーチ(VTCAS)を用いたアーキテクチャ探索手法を提案する。
VTCASによって探索された高性能バックボーンネットワークは、畳み込みニューラルネットワークの望ましい特徴をトランスフォーマーアーキテクチャに導入する。
これは、特に低照度屋内シーンにおいて、物体認識のためのニューラルネットワークの堅牢性を高める。
論文 参考訳(メタデータ) (2022-03-20T02:59:51Z) - Detecting entanglement in quantum many-body systems via permutation
moments [4.376631240407246]
置換モーメントに基づく多部交絡基準を設計するためのフレームワークを提案する。
これらの基準は、長距離$XY$ Hamiltonianを持つマルチキュービットIsingモデルにおいて強い検出能力を示す。
我々のフレームワークは、量子多体系のより複雑な絡み合い構造を検出するために一般化することもできる。
論文 参考訳(メタデータ) (2022-03-16T04:39:54Z) - Variational learning of quantum ground states on spiking neuromorphic
hardware [0.0]
高次元サンプリング空間と過渡自己相関は、難しい計算ボトルネックを伴うニューラルネットワークに直面する。
従来のニューラルネットワークと比較して、物理モデルデバイスは高速で効率的で本質的に並列な基板を提供する。
変動エネルギー最小化による量子スピンモデルの基底状態を表すニューロモルフィックチップの能力を示す。
論文 参考訳(メタデータ) (2021-09-30T14:39:45Z) - Post-Training Quantization for Vision Transformer [85.57953732941101]
本稿では,視覚変換器のメモリ記憶量と計算コストを削減するための学習後量子化アルゴリズムを提案する。
約8ビット量子化を用いて、ImageNetデータセット上でDeiT-Bモデルを用いて81.29%のトップ-1の精度を得ることができる。
論文 参考訳(メタデータ) (2021-06-27T06:27:22Z) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳(メタデータ) (2021-06-24T15:58:57Z) - 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) - Generation of High-Resolution Handwritten Digits with an Ion-Trap
Quantum Computer [55.41644538483948]
本稿では, 量子回路に基づく生成モデルを構築し, 生成逆数ネットワークの事前分布を学習し, サンプル化する。
我々は、このハイブリッドアルゴリズムを171ドルのYb$+$ ion qubitsに基づいてイオントラップデバイスでトレーニングし、高品質な画像を生成する。
論文 参考訳(メタデータ) (2020-12-07T18:51:28Z) - Entanglement transfer, accumulation and retrieval via quantum-walk-based
qubit-qudit dynamics [50.591267188664666]
高次元システムにおける量子相関の生成と制御は、現在の量子技術の展望において大きな課題である。
本稿では,量子ウォークに基づく移動・蓄積機構により,$d$次元システムの絡み合った状態が得られるプロトコルを提案する。
特に、情報を軌道角運動量と単一光子の偏光度にエンコードするフォトニック実装について述べる。
論文 参考訳(メタデータ) (2020-10-14T14:33:34Z)
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。