論文の概要: A machine learning approach to tomographic pattern generation and classification of quantum states of light

• arxiv url: http://arxiv.org/abs/2508.01461v1
• Date: Sat, 02 Aug 2025 18:35:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-05 18:25:21.889389
• Title: A machine learning approach to tomographic pattern generation and classification of quantum states of light
• Title（参考訳）: トモグラフィーパターン生成のための機械学習による光の量子状態の分類
• Authors: Soumyabrata Paul, H. S. Subramania, S. Ramanan, V. Balakrishnan, S. Lakshmibala,
• Abstract要約: 我々はこの機械を訓練し、フォック状態、コヒーレント状態(CS)、および1光子付加CS(1$-PACS)のトモグラムを生成する。 生成した断層図から直接, 平均光子数, ばらつきおよび高次モーメントを抽出した。 本研究は、光学トモグラフィーを生成するために機械学習を用いることを実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Optical tomograms can be envisaged as patterns. The Wasserstein generative adversarial network (WGAN) algorithm provides a platform to train the machine to compare patterns corresponding to input and generated tomograms. Using a deep-learning framework with two convolutional neural networks and WGAN, we have trained the machine to generate tomograms of Fock states, coherent states (CS) and the single photon added CS ($1$-PACS). The training process was continued until the Wasserstein distance between the input and output tomographic patterns levelled off at a low value. The mean photon number, variances and higher moments were extracted directly from the generated tomograms, to distinguish between different Fock states and also between the CS and the $1$-PACS, without using an additional classifier neural network. The robustness of our results has been verified using two error models and also with different colormaps that define the tomographic patterns. We have examined if the training program successfully reflected some of the findings in a recent experiment in which state reconstruction was carried out to establish that the fidelities between an amplified CS, an optimal CS and a $1$-PACS were close to unity, over a range of parameter values. By training the machine to reproduce tomograms corresponding to these specific states, and comparing the mean photon numbers of these states obtained directly from the tomograms, we have established that the variations in these observables reflect the experimental trends. State reconstruction from tomograms could be challenging, in general, since the Hilbert space associated with quantized light is large. The tomographic approach provides a viable alternative to detailed state reconstruction. Our work demonstrates the use of machine learning to generate optical tomograms from which the states can be directly characterized.
• Abstract（参考訳）: 光トモグラフィーはパターンとして考えられる。 Wasserstein生成逆数ネットワーク(WGAN)アルゴリズムは、入力および生成されたトモグラフィーに対応するパターンを比較するために、マシンを訓練するプラットフォームを提供する。 2つの畳み込みニューラルネットワークとWGANを備えたディープラーニングフレームワークを使用して、Fock状態、コヒーレント状態(CS)、および1つの光子追加CS(1$-PACS)のトモグラムを生成するように、このマシンを訓練しました。 トレーニングプロセスは、入力と出力トモグラフィーパターンの間のワッサーシュタイン距離が低い値で低下するまで継続された。 生成したトモグラフィーから平均光子数, 分散および高次モーメントを抽出し, 新たな分類器ニューラルネットワークを用いることなく, 異なるフォック状態とCSと1ドルPACSの区別を行った。 この結果のロバスト性は、2つの誤差モデルと、トモグラフィーパターンを定義する異なるカラーマップを用いて検証されている。 実験では, CSの増幅値, CSの最適値, PACSの1ドル=1ドル=1ドル=1ドル=1ドル=1ドル=1株=1株=1株=1株=1株=1株=1株=1株=1株=1ドル=1株=1株=1株=1株=1株=1株=1株=1株=1株=1株=1株=1株=1株=1株=1株=1株=1株=1株=1株=1ドル=1株=1株=1株=1株=1株=1株=1株=1株=1株=1株=1株=1株=1株=1株=1株=1株=1株=1株=1株=1株=1株=1 本研究は,これらの特定の状態に対応するトモグラフィーを学習し,これらの状態の平均光子数をトモグラフィーから直接比較することにより,これらの観測値の変動が実験的な傾向を反映していることを確立した。 トモグラムからの状態再構成は、一般に、量子化された光に関連するヒルベルト空間が大きいため、困難である。 トモグラフィーアプローチは、詳細な状態再構成に代わる実行可能な代替手段を提供する。 本研究は、光学トモグラフィーを生成するために機械学習を用いることを実証する。

関連論文リスト

• Quantum optical classifier with superexponential speedup [3.262230127283452]
  本稿では,バイナリ分類タスクのための量子光学パターン認識手法を提案する。 イメージを再構築することなくオブジェクトを分類する。 これは、1つの分類で必要とされる計算演算と光子の数において、一定の$mathcalO(1)$複雑さを示す。
  論文  参考訳（メタデータ） (2024-04-23T17:55:49Z)
• NCoder -- A Quantum Field Theory approach to encoding data [44.99833362998488]
  我々は、量子場理論(QFT)にインスパイアされたAIの解釈に新しいアプローチを提案し、これをNCoderと呼ぶ。 NCoderは、潜伏層が$n$-point相関関数のサブセットとして指定された修正されたオートエンコーダニューラルネットワークである。
  論文  参考訳（メタデータ） (2024-02-01T19:00:55Z)
• 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)
• 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)
• Scale Attention for Learning Deep Face Representation: A Study Against Visual Scale Variation [69.45176408639483]
  我々はスケール空間理論に頼って凸層を再構築する。 我々はSCale AttentioN Conv Neural Network(textbfSCAN-CNN)という新しいスタイルを構築した。 単発方式として、推論はマルチショット融合よりも効率的である。
  論文  参考訳（メタデータ） (2022-09-19T06:35:04Z)
• FewGAN: Generating from the Joint Distribution of a Few Images [95.6635227371479]
  本稿では,新しい,高品質で多様な画像を生成するための生成モデルFewGANを紹介する。 FewGANは、第1の粗いスケールで量子化を適用した階層的なパッチGANであり、その後、より微細なスケールで残った完全畳み込みGANのピラミッドが続く。 大規模な実験では、FewGANは定量的にも定性的にも基線より優れていることが示されている。
  論文  参考訳（メタデータ） (2022-07-18T07:11:28Z)
• Towards Quantum Graph Neural Networks: An Ego-Graph Learning Approach [47.19265172105025]
  グラフ構造化データのための新しいハイブリッド量子古典アルゴリズムを提案し、これをEgo-graph based Quantum Graph Neural Network (egoQGNN)と呼ぶ。 egoQGNNはテンソル積とユニティ行列表現を用いてGNN理論フレームワークを実装し、必要なモデルパラメータの数を大幅に削減する。 このアーキテクチャは、現実世界のデータからヒルベルト空間への新しいマッピングに基づいている。
  論文  参考訳（メタデータ） (2022-01-13T16:35:45Z)
• Scaling Structured Inference with Randomization [64.18063627155128]
  本稿では、構造化されたモデルを数万の潜在状態に拡張するためにランダム化された動的プログラミング(RDP)のファミリを提案する。 我々の手法は古典的DPベースの推論に広く適用できる。 また、自動微分とも互換性があり、ニューラルネットワークとシームレスに統合できる。
  論文  参考訳（メタデータ） (2021-12-07T11:26:41Z)
• Unsupervised mapping of phase diagrams of 2D systems from infinite projected entangled-pair states via deep anomaly detection [0.0]
  本研究では, 2次元量子多体系の位相図を, 事前の物理知識を持たない方法でマップアウトする方法を示す。 ベンチマークとして、2次元フラストレーションされた2層ハイゼンベルクモデルの位相図を解析する。 遷移ラインの質的な画像を得るためには、コスト効率のよい単純な更新最適化からのデータを使用することが十分であることを示す。
  論文  参考訳（メタデータ） (2021-05-19T12:19:20Z)
• Deterministic generation of multidimensional photonic cluster states using time-delay feedback [9.83302372715731]
  クラスター状態は多くの量子情報処理アプリケーションで有用である。 本研究では,1つの原子空洞システムと時間遅延フィードバックを用いて,多次元フォトニッククラスタ状態を決定的に生成するプロトコルを提案する。
  論文  参考訳（メタデータ） (2021-01-19T18:36:51Z)
• Classification and reconstruction of optical quantum states with deep neural networks [1.1470070927586016]
  我々は、量子状態の分類と再構成にディープ・ニューラル・ネットワーク技術を適用した。 ノイズの有無やデータが少ない場合でも,高い分類精度と再現率を示す。 我々は,条件付き生成対向ネットワーク(QST-CGAN)を用いた[arXiv:2008.03240]QST手法のさらなる実演を行う。
  論文  参考訳（メタデータ） (2020-12-03T18:58:16Z)
• Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
  ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。 両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。 画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-08-25T03:30:53Z)
• Quantum State Tomography with Conditional Generative Adversarial Networks [0.7646713951724009]
  量子状態トモグラフィー(QST)に条件付き生成逆数ネットワーク(CGAN)を適用する。 CGANフレームワークでは、2つのデュエルニューラルネットワーク、ジェネレータと識別器がデータからマルチモーダルモデルを学ぶ。 我々のQST-CGANは、標準最大化法よりもはるかに高速で、しかも少ないデータで光量子状態を再構成することを示した。
  論文  参考訳（メタデータ） (2020-08-07T15:58:50Z)
• Neural network quantum state tomography in a two-qubit experiment [52.77024349608834]
  機械学習にインスパイアされた変分法は、量子シミュレータのスケーラブルな状態キャラクタリゼーションへの有望な経路を提供する。 本研究では,2ビットの絡み合った状態を生成する実験から得られた測定データに適用することにより,いくつかの手法をベンチマークし比較する。 実験的な不完全性やノイズの存在下では、変動多様体を物理状態に収束させることで、再構成された状態の質が大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-31T17:25:12Z)

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。