論文の概要: Entanglement Detection with Quantum-inspired Kernels and SVMs

• arxiv url: http://arxiv.org/abs/2508.17909v1
• Date: Mon, 25 Aug 2025 11:27:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 18:43:45.748406
• Title: Entanglement Detection with Quantum-inspired Kernels and SVMs
• Title（参考訳）: 量子インスピレーションされたカーネルとSVMによる絡み合い検出
• Authors: Ana Martínez-Sabiote, Michalis Skotiniotis, Jara J. Bermejo-Vega, Daniel Manzano, Carlos Cano,
• Abstract要約: 本研究では,サポートベクトルマシン(SVM)に基づく量子絡み検出のための機械学習手法を提案する。 正部分転位基準 (PPT) を回避するために, 分離可能な状態, 絡み合った状態, 絡み合った状態を区別する分類法を開発した。 その結果,従来の絡み検出手法の強力な補完として機械学習が確立された。
• 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: This work presents a machine learning approach based on support vector machines (SVMs) for quantum entanglement detection. Particularly, we focus in bipartite systems of dimensions 3x3, 4x4, and 5x5, where the positive partial transpose criterion (PPT) provides only partial characterization. Using SVMs with quantum-inspired kernels we develop a classification scheme that distinguishes between separable states, PPT-detectable entangled states, and entangled states that evade PPT detection. Our method achieves increasing accuracy with system dimension, reaching 80%, 90%, and nearly 100% for 3x3, 4x4, and 5x5 systems, respectively. Our results show that principal component analysis significantly enhances performance for small training sets. The study reveals important practical considerations regarding purity biases in the generation of data for this problem and examines the challenges of implementing these techniques on near-term quantum hardware. Our results establish machine learning as a powerful complement to traditional entanglement detection methods, particularly for higher-dimensional systems where conventional approaches become inadequate. The findings highlight key directions for future research, including hybrid quantum-classical implementations and improved data generation protocols to overcome current limitations.
• Abstract（参考訳）: 本研究では,量子絡み検出のためのサポートベクトルマシン(SVM)に基づく機械学習手法を提案する。 特に,3x3,4x4,5x5の2部構造に焦点をあてる。 量子インスパイアされたカーネルを持つSVMを用いて、分離可能な状態、PPT検出可能な絡み合った状態、およびPT検出を回避する絡み合った状態の区別を行う分類スキームを開発する。 本手法は,3x3,4x4,5x5のシステムに対して,80%,90%,100%に近い精度で精度を向上する。 これらの結果から,主成分分析は小規模なトレーニングセットの性能を著しく向上させることがわかった。 本研究は、この問題に対するデータ生成における純度バイアスに関する重要な実践的考察を明らかにし、これらの手法を短期量子ハードウェアに実装する際の課題について検討する。 この結果は,従来の絡み合い検出手法,特に従来のアプローチが不十分な高次元システムにおいて,機械学習を強力な補完手段として確立している。 この発見は、量子古典的なハイブリッド実装や、現在の制限を克服するためのデータ生成プロトコルの改善など、将来の研究の鍵となる方向性を浮き彫りにしている。

関連論文リスト

• Quantum Machine Learning with Application to Progressive Supranuclear Palsy Network Classification [0.0]
  進行性核上麻痺(PSP)の診断のための量子機械学習モデルを提案する。 その結果、量子機械学習は古典的なフレームワークよりも顕著に進歩し、性能を上回っていることが示唆された。 特に,IBM量子プラットフォームの量子シミュレータと実チップの両面において,本モデルの有効性を実証した。
  論文  参考訳（メタデータ） (2024-07-06T14:16:31Z)
• Neural auto-designer for enhanced quantum kernels [59.616404192966016]
  本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。 私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
  論文  参考訳（メタデータ） (2024-01-20T03:11:59Z)
• Detecting genuine multipartite entanglement via machine learning [1.0742675209112622]
  3ビット状態の真の多部絡み検出のための教師付きおよび半教師付き機械学習について検討する。 我々は,予測サンプルのグループ化を最適化し,反復予測を行うS4VMの訓練方法を改善する。
  論文  参考訳（メタデータ） (2023-11-29T11:31:22Z)
• Multimodal deep representation learning for quantum cross-platform verification [60.01590250213637]
  初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。 本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。 我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
  論文  参考訳（メタデータ） (2023-11-07T04:35:03Z)
• KECOR: Kernel Coding Rate Maximization for Active 3D Object Detection [48.66703222700795]
  我々は、ラベルの取得に最も有用なポイントクラウドを特定するために、新しいカーネル戦略を利用する。 1段目(SECOND)と2段目(SECOND)の両方に対応するため、アノテーションに選択した境界ボックスの総数と検出性能のトレードオフをよく組み込んだ分類エントロピー接点を組み込んだ。 その結果,ボックスレベルのアノテーションのコストは約44%,計算時間は26%削減された。
  論文  参考訳（メタデータ） (2023-07-16T04:27:03Z)
• Entanglement detection with classical deep neural networks [0.0]
  本稿では,量子絡みの検出と分類を自律的に行う手法を提案する。 マルチ層パーセプトロンを用いて、2ビット系と3ビット系の両方のエンタングルメントを効果的に同定する。
  論文  参考訳（メタデータ） (2023-04-12T16:14:18Z)
• Quantum verification and estimation with few copies [63.669642197519934]
  大規模絡み合ったシステムの検証と推定は、信頼性の高い量子情報処理にそのようなシステムを用いる際の大きな課題の1つである。 本稿では,資源の一定数(サンプリング複雑性)に着目し,任意の次元のシステムに適していることを示す。 具体的には、量子状態トモグラフィー(quantum state tomography)の概念とともに、エンタングルメント検出のために少なくとも1つのコピーだけを必要とする確率的フレームワークをレビューする。
  論文  参考訳（メタデータ） (2021-09-08T18:20:07Z)
• End-to-End Object Detection with Fully Convolutional Network [71.56728221604158]
  エンドツーエンド検出を実現するために,分類のための予測対応ワン・ツー・ワン (POTO) ラベルの割り当てを導入する。 局所領域における畳み込みの判別性を向上させるために, 簡易な3次元maxフィルタ(3dmf)を提案する。 エンドツーエンドのフレームワークは,COCOおよびCrowdHumanデータセット上のNMSを用いて,最先端の多くの検出器と競合する性能を実現する。
  論文  参考訳（メタデータ） (2020-12-07T09:14:55Z)
• Towards High Performance Human Keypoint Detection [87.1034745775229]
  文脈情報は人体構成や見えないキーポイントを推論する上で重要な役割を担っている。 そこで我々は,空間とチャネルのコンテキスト情報を効率的に統合するカスケードコンテキストミキサー(CCM)を提案する。 CCMの表現能力を最大化するために、我々は、強陰性な人検出マイニング戦略と共同訓練戦略を開発する。 検出精度を向上させるために,キーポイント予測を後処理するためのいくつかのサブピクセル改良手法を提案する。
  論文  参考訳（メタデータ） (2020-02-03T02:24:51Z)

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。