論文の概要: Detection of quantum information masking via machine learning

• arxiv url: http://arxiv.org/abs/2510.12507v1
• Date: Tue, 14 Oct 2025 13:36:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-15 19:02:32.333316
• Title: Detection of quantum information masking via machine learning
• Title（参考訳）: 機械学習による量子情報マスキングの検出
• Authors: Sheng-Ao Mao, Lin Zhang, Bo Li,
• Abstract要約: 本研究では、純量子ビット状態と混合量子ビット状態の両方における量子情報マスキングを検出するための教師付き機械学習について検討する。 純量子ビット状態に対して、対応する密度行列をランダムに生成し、量子情報マスキングを検出するためにXGBoostモデルを訓練する。 混合量子ビット状態の場合、トレーニングサンプルの選択を最適化してXGBoost法を改善する。
• 参考スコア（独自算出の注目度）: 8.49217459757237
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, machine learning has been widely applied in the field of quantum information, notably in tasks such as entanglement detection, steering characterization, and nonlocality verification. However, few studies have focused on utilizing machine learning to detect quantum information masking. In this work, we investigate supervised machine learning for detecting quantum information masking in both pure and mixed qubit states. For pure qubit states, we randomly generate the corresponding density matrices and train an XGBoost model to detect quantum information masking. For mixed qubit states, we improve the XGBoost method by optimizing the selection of training samples. The experimental results demonstrate that our approach achieves higher classification accuracy. Furthermore, we analyze the area under the curve (AUC) of the receiver operating characteristic curve for this method, which further confirms its classification performance.
• Abstract（参考訳）: 近年、機械学習は量子情報分野、特に絡み検出、ステアリング特性評価、非局所性検証といったタスクに広く応用されている。 しかし、量子情報マスキングを検出するために機械学習を活用する研究はほとんどない。 本研究では、純量子ビット状態と混合量子ビット状態の両方における量子情報マスキングを検出するための教師付き機械学習について検討する。 純量子ビット状態に対して、対応する密度行列をランダムに生成し、量子情報マスキングを検出するためにXGBoostモデルを訓練する。 混合量子ビット状態の場合、トレーニングサンプルの選択を最適化してXGBoost法を改善する。 実験により,本手法は高い分類精度を実現することが示された。 さらに,本手法の受信特性曲線の曲線(AUC)の下の領域を解析し,その分類性能をさらに確認する。

関連論文リスト

• Light-cone feature selection in methane hyperspectral images [2.7847706215729597]
  本研究は,HSIを用いたメタン検出および局在化のための量子機械学習における光コーン特徴選択の適用に焦点を当てた。 提案手法は,特徴選択と分類精度を高めるために量子法を利用する。 これは、環境モニタリングのためのリモートセンシングデータ分析を改善するための量子機械学習の可能性を示す。
  論文  参考訳（メタデータ） (2025-04-01T13:51:39Z)
• Harnessing Quantum Extreme Learning Machines for image classification [0.0]
  本研究は、画像分類タスクにおける量子機械学習技術の利用に焦点を当てる。 我々は,量子貯水池基板が提供する豊富な特徴写像を利用して,量子極端学習マシンを利用する。
  論文  参考訳（メタデータ） (2024-09-02T07:23:59Z)
• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• Mixed Quantum-Classical Method For Fraud Detection with Quantum Feature Selection [0.0]
  本稿では,Quantum Support Vector Machineの機能マップ特性を用いて,最適な特徴を探索する手法を提案する。 古典的および量子的アルゴリズムを組み合わせたアンサンブルモデルを用いて、ハイブリッド古典量子アプローチを探索する。
  論文  参考訳（メタデータ） (2022-08-16T21:46:04Z)
• Noisy Quantum Kernel Machines [58.09028887465797]
  量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。 消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。 量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
  論文  参考訳（メタデータ） (2022-04-26T09:52:02Z)
• Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
  我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。 このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。 このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
  論文  参考訳（メタデータ） (2021-06-24T15:58:57Z)
• Quantum-enhanced bosonic learning machine [0.0]
  本稿では,量子データに閉じ込められたイオンのシステムで動作させる量子強化ボソニック学習マシンについて述べる。 我々は、高次元量子状態の集合におけるパターンを認識するために、教師なしK平均アルゴリズムを実装した。 得られた知識を用いて、未知の量子状態を教師付きk-NNアルゴリズムで分類する。
  論文  参考訳（メタデータ） (2021-04-09T02:44:57Z)
• Facial Expression Recognition on a Quantum Computer [68.8204255655161]
  量子機械学習手法を用いて表情認識の可能な解を示す。 適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
  論文  参考訳（メタデータ） (2021-02-09T13:48:00Z)

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。