論文の概要: Scalable Entanglement Detection in Quantum Systems via Fisher Linear Discriminant Analysis

• arxiv url: http://arxiv.org/abs/2509.03233v1
• Date: Wed, 03 Sep 2025 11:45:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 21:40:46.498479
• Title: Scalable Entanglement Detection in Quantum Systems via Fisher Linear Discriminant Analysis
• Title（参考訳）: Fisher Linear Discriminant Analysis による量子系のスケーラブルな絡み合い検出
• Authors: Mahmoud Mahdian, Zahra Mousavi,
• Abstract要約: 我々は機械学習を用いて絡み合った状態と分離可能な状態の分類を行い、古典的なフィッシャー線形判別分析(FLDA)の適用に焦点をあてる。 本研究では,異なる量子状態における本手法の性能を体系的に評価し,効率的な量子状態分類ツールとしての有効性を実証する。
• 参考スコア（独自算出の注目度）: 0.6875312133832079
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum entanglement is the cornerstone of quantum technology and enables quantum devices to outperform classical systems in terms of performance. However, detecting entanglement in high-dimensional systems remains a significant challenge due to the exponential growth of the Hilbert space with the number of particles. In this work, we use machine learning to classify entangled states and separable states, focusing on the application of classical Fisher Linear Discriminant Analysis (FLDA). By adapting classical statistical learning techniques to quantum state discriminant analysis, we present the theoretical foundations, a practical implementation strategy, and the advantages of FLDA in this context. We systematically evaluate the performance of this method on different quantum states and demonstrate its effectiveness as a tool for efficient quantum state classification. Finally, we investigate multi-qubit quantum states with high accuracy and classify these states.
• Abstract（参考訳）: 量子絡み合い(quantum entanglement)は、量子技術の基盤であり、量子デバイスが古典的なシステムよりも性能的に優れている。 しかし、高次元系の絡み合いを検出することは、粒子の数でヒルベルト空間が指数関数的に成長するため、依然として重要な課題である。 本研究では,機械学習を用いて絡み合った状態と分離可能な状態の分類を行い,従来のフィッシャー線形判別分析(FLDA)の適用に焦点を当てた。 古典的な統計的学習手法を量子状態判別分析に適用することにより、理論的基礎、実践的実装戦略、FLDAの利点をこの文脈で提示する。 本研究では,異なる量子状態における本手法の性能を体系的に評価し,効率的な量子状態分類ツールとしての有効性を実証する。 最後に、高い精度でマルチキュービット量子状態を調査し、これらの状態を分類する。

関連論文リスト

• Calibration of Quantum Devices via Robust Statistical Methods [45.464983015777314]
  量子パラメータ学習の最先端技術に対するベイズ推論の高度な統計的手法を数値解析する。 既存のアプローチ、すなわち多モード性および高次元性において、これらのアプローチの利点を示す。 我々の発見は、オープン量子システムの力学を学習する量子キャラクタリゼーションの課題に応用できる。
  論文  参考訳（メタデータ） (2025-07-09T15:22:17Z)
• Quantum phase classification via quantum hypothesis testing [0.39102514525861415]
  理論的には2つの量子状態の区別に最適である量子ネイマン・ピアソン検定に基づく分類アルゴリズムを提案する。 その結果,提案手法は低い分類誤差確率を実現し,トレーニングコストを大幅に削減できることがわかった。 これらの知見は、量子位相分類の強力なツールとしての量子仮説テストの可能性を強調している。
  論文  参考訳（メタデータ） (2025-04-05T08:23:45Z)
• Unsupervised Quantum Anomaly Detection on Noisy Quantum Processors [1.2325897339438878]
  本稿では,一クラス支援ベクトルマシン(OCSVM)アルゴリズムの一般化特性の系統的解析を行う。 結果は理論的にシミュレートされ、トラップイオンおよび超伝導量子プロセッサ上で実験的に検証された。
  論文  参考訳（メタデータ） (2024-11-25T22:42:38Z)
• Effect of the readout efficiency of quantum measurement on the system entanglement [44.99833362998488]
  非効率なモニタリングの下で、1d量子ランダムウォークにおける粒子の絡み合いを定量化する。 測定によって引き起こされる量子-古典的交叉における系の最大平均絡み合いは、測定強度と非効率性によって異なる方法であることがわかった。
  論文  参考訳（メタデータ） (2024-02-29T18:10:05Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• Efficient criteria of quantumness for a large system of qubits [58.720142291102135]
  大規模部分量子コヒーレント系の基本パラメータの無次元結合について論じる。 解析的および数値計算に基づいて、断熱進化中の量子ビット系に対して、そのような数を提案する。
  論文  参考訳（メタデータ） (2021-08-30T23:50:05Z)
• Experimental estimation of the quantum Fisher information from randomized measurements [9.795131832414855]
  量子フィッシャー情報(QFI)は、量子物理学の基本概念である。 そこで本研究では,ランダム化測定によりQFIを推定する方法について検討する。 本研究では, ダイヤモンド中の窒素空孔中心スピンと超伝導量子コンピュータによって提供される4量子状態の2つのプラットフォームを用いて, このアプローチを実験的に検証した。
  論文  参考訳（メタデータ） (2021-04-01T15:12:31Z)
• Optimal entanglement witnesses: a scalable data-driven approach [0.0]
  量子状態の有限測度(以下、量子データと呼ぶ)に焦点をあてる。 興味のあるシステムの特定の空間分割を与えられた場合、データセットが分離可能な状態と互換性があるか否かを効果的に確認できるアプローチを提案する。 互換性が証明されると、この手法は、手元にある量子データに対して最適な絡み合いの証人を生成する。
  論文  参考訳（メタデータ） (2021-01-06T13:54:44Z)
• Nearest Centroid Classification on a Trapped Ion Quantum Computer [57.5195654107363]
  我々は,古典的データを量子状態に効率よくロードし,距離推定を行う手法を用いて,量子近接Centroid分類器を設計する。 MNIST手書き桁データセットの古典的最寄りのセントロイド分類器の精度と8次元合成データの最大100%の精度とを一致させ,11量子ビットトラップイオン量子マシン上で実験的に実証した。
  論文  参考訳（メタデータ） (2020-12-08T01:10:30Z)
• Finding Quantum Critical Points with Neural-Network Quantum States [0.0]
  本稿では,ニューラルネットワーク量子状態を用いた量子イジングモデルの量子臨界点探索手法を提案する。 我々は、本質的に制限されたボルツマンマシン、トランスファーラーニング、教師なし学習を解析的に構築した。
  論文  参考訳（メタデータ） (2020-02-07T04:39:09Z)
• 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。

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。