論文の概要: Optimal entanglement witness of multipartite systems using support vector machine approach

• arxiv url: http://arxiv.org/abs/2504.18163v1
• Date: Fri, 25 Apr 2025 08:25:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:53.695319
• Title: Optimal entanglement witness of multipartite systems using support vector machine approach
• Title（参考訳）: サポートベクトルマシンアプローチによる多部システムの最適絡み目
• Authors: Mahmoud Mahdian, Zahra Mousavi,
• Abstract要約: 絡み合い証人(英: entanglement witness、EW)は、絡み合いのある状態と全ての分離可能な状態とを区別できるエルミート作用素である。 機械学習に基づく数値計算手法を実装し,マルチパートEWを作成する。
• 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: An entanglement witness (EW) is a Hermitian operator that can distinguish an entangled state from all separable states. We drive and implement a numerical method based on machine learning to create a multipartite EW. Using support vector machine (SVM) algorithm, we construct EW's based on local orthogonal observables in the form of a hyperplane that separates the separable region from the entangled state for two, three and four qubits in Bell-diagonal mixed states, which can be generalized to multipartite mixed states as GHZ states in systems where all modes have equal size. One of the important features of this method is that, when the algorithm succeeds, the EWs are optimal and are completely tangent to the separable region. Also, we generate non-decomposable EWs that can detect positive partial transpose entangled states (PPTES).
• Abstract（参考訳）: 絡み合い証人(英: entanglement witness、EW)は、絡み合いのある状態と全ての分離可能な状態とを区別できるエルミート作用素である。 機械学習に基づく数値計算手法を駆動し,実装し,マルチパーティイトEWを作成する。 サポートベクトルマシン(SVM)アルゴリズムを用いて、全てのモードが等しいシステムにおいてGHZ状態として多部混合状態に一般化できるベル対角混合状態において、分離可能な領域を2、3、4キュービットの絡み合った状態から分離する超平面の形で局所直交可観測値に基づいてEWを構成する。 この手法の重要な特徴の1つは、アルゴリズムが成功すると、EWは最適であり、分離可能な領域に完全に接していることである。 また, 正部分転位絡み状態(PPTES)を検出する非分解性EWを生成する。

関連論文リスト

• Separable ellipsoids around multipartite states [0.0]
  任意の$m$-partite 製品状態 $rho_rm prod=rho1-otimes...otimesrho_m$ について、$_rm prod$ を中心に分離可能な状態の楕円体が存在することを示す。 この分離可能な楕円体は、以前の研究で提案された分離可能な球を含み、楕円体の体積は典型的にはボールの体積よりも指数関数的に大きい。 さらに、この楕円形規準を、すべての分離可能な状態の周囲に分離可能な領域を生じるトレース式に一般化し、
  論文  参考訳（メタデータ） (2024-10-07T18:05:26Z)
• Weighted mesh algorithms for general Markov decision processes: Convergence and tractability [0.9940462449990576]
  離散時間有限水平マルコフ決定過程(MDP)に対するメッシュ型アプローチを提案する。 非有界な状態空間に対して、このアルゴリズムは、複雑性がある次元独立な$cgeq2$を持つ$epsilonc$であるという意味で「半有理」である。
  論文  参考訳（メタデータ） (2024-06-29T10:08:23Z)
• Multiway Point Cloud Mosaicking with Diffusion and Global Optimization [74.3802812773891]
  マルチウェイポイントクラウドモザイクのための新しいフレームワーク(水曜日)を紹介する。 我々のアプローチの核心は、重複を識別し、注意点を洗練する学習されたペアワイズ登録アルゴリズムODINである。 4つの多種多様な大規模データセットを用いて、我々の手法は、全てのベンチマークにおいて大きなマージンで、最先端のペアとローテーションの登録結果を比較した。
  論文  参考訳（メタデータ） (2024-03-30T17:29:13Z)
• Multistep Inverse Is Not All You Need [87.62730694973696]
  実世界の制御環境では、観測空間は不要に高次元であり、時間関連ノイズにさらされることが多い。 したがって、観測空間を制御関連変数のより単純な空間にマッピングするエンコーダを学ぶことが望ましい。 本稿では,多段階逆予測と遅延フォワードモデルを組み合わせた新しいアルゴリズムACDFを提案する。
  論文  参考訳（メタデータ） (2024-03-18T16:36:01Z)
• An Exponential Reduction in Training Data Sizes for Machine Learning Derived Entanglement Witnesses [45.17332714965704]
  本稿では, 絡み付きビクターを生成するためのサポートベクターマシン (SVM) を用いたアプローチを提案する。 このアプローチのSVM部分は、$N$ qubitsの場合、トレーニングステートが$O(6N)であるのに対して、既存のメソッドは$O(24N)$である。
  論文  参考訳（メタデータ） (2023-11-30T00:45:04Z)
• Quick Adaptive Ternary Segmentation: An Efficient Decoding Procedure For Hidden Markov Models [70.26374282390401]
  ノイズの多い観測から元の信号(すなわち隠れ鎖)を復号することは、ほぼすべてのHMMに基づくデータ分析の主要な目標の1つである。 本稿では,多対数計算複雑性において隠れた列を復号化するための分法であるQuick Adaptive Ternary(QATS)を提案する。
  論文  参考訳（メタデータ） (2023-05-29T19:37:48Z)
• Special core tensors of multi-qubit states and the concurrency of three lines [0.0]
  多部状態の分類は、操作的に有用で有限な絡み合いクラスを得ることを目的としている。 提案手法はマルチキュービットシステムに限られるが,大規模マルチキュービットシステムでは十分に拡張可能である。
  論文  参考訳（メタデータ） (2023-01-14T16:59:17Z)
• A Variational Approach to the Quantum Separability Problem [0.0]
  任意の量子状態の最も近い分離状態 (CSS) をヒルベルト・シュミット距離 (HSD) に対して決定する変動分離性検証器 (VSV) を提案する。 以上の結果から,現在の雑音型中間規模量子(NISQ)デバイスは,VSVを用いた$NP$-hard完全分離性問題に対処するのに有用である可能性が示唆された。
  論文  参考訳（メタデータ） (2022-09-03T14:13:48Z)
• Embed to Control Partially Observed Systems: Representation Learning with Provable Sample Efficiency [105.17746223041954]
  部分的に観察されたマルコフ決定過程(POMDP)における強化学習は2つの課題に直面している。 しばしば、未来を予測するのに完全な歴史を要し、地平線と指数関数的にスケールするサンプルの複雑さを誘導する。 本稿では,2段階の表現を最適化しながら学習するETC(Embed to Control)という強化学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-05-26T16:34:46Z)
• Neural Inverse Kinematics [72.85330210991508]
  逆キネマティック(英語版)(IK)法は、キネマティックチェインにおける選択された要素の所望の位置から関節のパラメータを復元する。 本稿では,問題階層構造を用いて,所望の位置に条件付き有効関節角度を逐次サンプリングするニューラルIK法を提案する。
  論文  参考訳（メタデータ） (2022-05-22T14:44:07Z)
• Machine-Learning-Derived Entanglement Witnesses [55.76279816849472]
  本稿では,線形支援ベクトルマシン (SVM) と絡み合い目撃者の対応を示す。 我々はこの対応を利用して、二部類と三部類(およびキュビット)の絡み合った状態に対する絡み合いの証人を生成する。
  論文  参考訳（メタデータ） (2021-07-05T22:28:02Z)
• Geometric quantification of multiparty entanglement through orthogonality of vectors [0.0]
  測定後のベクトルは最大絡み合った状態の恒等的でない集合が得られることを示す。 本稿では,地域特性,すなわち予測可能性とグローバルプロパティとの整合性の間のトレードオフについて論じる。
  論文  参考訳（メタデータ） (2021-03-06T08:28:07Z)

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。