Fugu-MT 論文翻訳(概要): Machine classification of quantum correlations for entanglement distribution networks

論文の概要: Machine classification of quantum correlations for entanglement distribution networks

arxiv url: http://arxiv.org/abs/2402.09212v1
Date: Wed, 14 Feb 2024 14:46:10 GMT
ステータス: 処理完了
システム内更新日: 2024-02-15 15:08:01.345725
Title: Machine classification of quantum correlations for entanglement distribution networks
Title（参考訳）: 絡み合い分布ネットワークにおける量子相関の機械分類
Authors: Jan Soubusta, Anton\'in \v{C}ernoch and Karel Lemr
Abstract要約: 本稿では,エンタングルメント分布ネットワークにおける量子相関の資源効率の高い分類に機械学習を用いることを提案する。 ANN(Artificial Neural Network)は、エンタングルメントスワッピングの幾何学において行われた集合的測定に基づいて、量子相関を分類するために用いられる。
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: The paper suggest employing machine learning for resource-efficient classification of quantum correlations in entanglement distribution networks. Specifically, artificial neural networks (ANN) are utilized to classify quantum correlations based on collective measurements conducted in the geometry of entanglement swapping. ANNs are trained to categorize two-qubit quantum states into five mutually exclusive classes depending on the strength of quantum correlations exhibited by the states. The precision and recall of the ANN models are analyzed as functions of the quantum resources consumed, i.e. the number of collective measurements performed.
Abstract（参考訳）: 本稿では,エンタングルメント分布ネットワークにおける量子相関の資源効率の高い分類に機械学習を用いることを提案する。具体的には、絡み合いスワッピングの幾何学で実施した集団計測に基づいて量子相関を分類するために、人工ニューラルネットワーク(ann)を用いる。 ANNは、2量子量子状態が示す量子相関の強さに応じて、互いに排他的に5つのクラスに分類するように訓練されている。 annモデルの精度とリコールは、消費される量子リソース、すなわち集団計測の回数の関数として分析される。

関連論文リスト

Distributing quantum correlations through local operations and classical resources [0.0]
我々は,グローバルな量子相関を量子メモリに分散できる,堅牢で物理的に動機づけられたプロトコルを提案する。これに加えて, 分布は測定アウトカム独立であり, 分布は局所的ユニタリ演算と射影測定のみを用いて行われる。
論文参考訳（メタデータ） (2024-08-10T08:42:06Z)
eQMARL: Entangled Quantum Multi-Agent Reinforcement Learning for Distributed Cooperation over Quantum Channels [98.314893665023]
量子コンピューティングは、マルチエージェント環境における量子絡み合いと協調の潜在的なシナジーを引き起こした。現在の最先端量子MARL(QMARL)の実装は、古典的な情報共有に依存している。 eQMARL(eQMARL)は、量子チャネル上での協調を容易にする分散型アクター批判フレームワークである。
論文参考訳（メタデータ） (2024-05-24T18:43:05Z)
A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文参考訳（メタデータ） (2024-02-23T14:09:41Z)
Statistical properties and repetition rates for a quantum network with geographical distribution of nodes [0.49157446832511503]
我々は、ノードの非一様分布の影響を考慮し、光ファイバーに基づく最近の量子ネットワークモデルを構築した。我々は、量子リピータに基づく量子通信に不可欠なプロトコルであるエンタングルメントスワップの繰り返し率を計算するためにそれを用いる。
論文参考訳（メタデータ） (2023-12-14T17:01:21Z)
MORE: Measurement and Correlation Based Variational Quantum Circuit for Multi-classification [10.969833959443495]
MOREは、測定と相関に基づく変分量子多重分類器の略である。我々はQiskit Pythonライブラリを使ってMOREを実装し、ノイズフリーとノイズの多い量子システムの両方で広範囲にわたる実験により評価する。
論文参考訳（メタデータ） (2023-07-21T19:33:10Z)
QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文参考訳（メタデータ） (2022-11-09T21:43:16Z)
Theory of Quantum Generative Learning Models with Maximum Mean Discrepancy [67.02951777522547]
量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
論文参考訳（メタデータ） (2022-05-10T08:05:59Z)
Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文参考訳（メタデータ） (2021-05-30T12:19:27Z)
Partitions of Correlated N-Qubit Systems [0.34376560669160383]
本稿では,量子系,特に多部量子系における相関強度の尺度について述べる。量子相関プロトコルの生成と操作は、古典的な枠組みでは達成不可能な特性を得るために、相関の量子的性質をリソースとして使用できる中心的な役割を果たす。
論文参考訳（メタデータ） (2020-12-08T05:15:31Z)
Semidefinite tests for quantum network topologies [0.9176056742068814]
量子ネットワークは、長距離通信、量子暗号、クロック同期、分散量子コンピューティングにおいて重要な役割を果たしている。与えられた量子ネットワークがどの相関を生じさせるのかという問題は、いまだに未解決のままである。従来は古典的ケースで導かれていた観測可能共分散の制約が量子ネットワークにも適用可能であることを示す。
論文参考訳（メタデータ） (2020-02-13T22:36:46Z)
Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。