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

• ShaNQar: Simulator of Network Quantique [0.13654846342364307]
  ShaNQar (Simulator of Network Quantique) は、モジュール式でカスタマイズ可能なフォトニック量子ネットワークシミュレータである。 適応的なタイミング制御と同期が可能で、シミュレーション時間解決の限界はほとんどない。 従来のQKD(Quantum Key Distribution)と量子テレポーテーション(Quantum Teleportation)のシミュレーションに成功している。
  論文  参考訳（メタデータ） (2024-11-24T14:59:21Z)
• Quantum Attention for Vision Transformers in High Energy Physics [39.38389619339798]
  量子直交ニューラルネットワーク(QONN)を取り入れた新しいハイブリッド量子古典型視覚変換器アーキテクチャを提案する。 この研究は、次世代粒子物理学実験の計算要求に対処する量子強化モデルの可能性を強調している。
  論文  参考訳（メタデータ） (2024-11-20T18:11:17Z)
• Quantum Multimodal Contrastive Learning Framework [0.0]
  本稿では,脳波と画像データを統合するために量子エンコーダを用いたマルチモーダルコントラスト学習フレームワークを提案する。 量子エンコーダは脳波信号と画像特徴の複雑なパターンを効果的にキャプチャし、モダリティ間のコントラスト学習を改善することを実証する。
  論文  参考訳（メタデータ） (2024-08-25T19:08:43Z)
• High-dimentional Multipartite Entanglement Structure Detection with Low Cost [18.876952671920133]
  本稿では,絡み合い構造検出に適した表現を生成するニューラルネットワークモデルを提案する。 提案手法は最大19量子ビット系における95%以上の検出精度を実現する。
  論文  参考訳（メタデータ） (2024-08-23T12:09:26Z)
• Quantum Vision Transformers for Quark-Gluon Classification [3.350407101925898]
  本稿では,変分量子回路を統合したハイブリッド型量子古典視覚変換器アーキテクチャを提案する。 CMS Open Dataのマルチ検出器ジェット画像にモデルを適用し,本手法の評価を行った。
  論文  参考訳（メタデータ） (2024-05-16T17:45:54Z)
• 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)
• 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)
• 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。