論文の概要: Entanglement Witness Derived By Using Kolmogorov-Arnold Networks
- arxiv url: http://arxiv.org/abs/2512.06298v1
- Date: Sat, 06 Dec 2025 04:59:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-09 22:03:54.293952
- Title: Entanglement Witness Derived By Using Kolmogorov-Arnold Networks
- Title（参考訳）: Kolmogorov-Arnold ネットワークを用いた絡み合い性
- Authors: Fatemeh Lajevardi, Azam Mani, Ali Fahim,
- Abstract要約: 我々はKolmogorov-Arnold Networksを用いて量子絡みを検知できる解釈可能なモデルを設計する。
このネットワークは絡み合いの証人として機能し、絡み合った状態の区別において94%の精度を達成している。
- 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: We utilize Kolmogorov-Arnold Networks to design an interpretable model capable of detecting quantum entanglement within a set of nine-parameter two-qubit states. This network serves as an entanglement witness, achieving an accuracy of $94\%$ in distinguishing entangled states. Additionally, by analyzing the output functions of the KAN models, we explore the significance of each parameter (feature) in identifying the presence of entanglement. This analysis enables us to rank the features and eliminate the less significant ones, leading to the development of new entanglement witness functions that rely on fewer number of features, and hence do not require complete state tomography for their evaluation.
- Abstract（参考訳）: 我々はコルモゴロフ・アルノルドネットワークを用いて、9パラメータ2量子状態の集合内で量子絡みを検出できる解釈可能なモデルを設計する。
このネットワークは絡み合いの証人として機能し、絡み合い状態の区別において9,4\%の精度を達成する。
さらに,kanモデルの出力関数を解析することにより,絡み合いの有無を特定する上で,各パラメータ(機能)の意義について検討する。
この分析により,特徴のランク付けと,重要でない特徴の排除が可能となり,より少ない特徴に依存する新たな絡み合い目撃関数が開発され,その結果,その評価に完全な状態トモグラフィが不要となる。
関連論文リスト
- Variational Graph Convolutional Neural Networks [72.67088029389764]
不確実性は、グラフ畳み込みネットワークの説明可能性を改善するのに役立つ。
不確実性は、モデルの結果を検証するために重要なアプリケーションでも使用することができる。
論文 参考訳（メタデータ） (2025-07-02T13:28:37Z) - On the role of non-linear latent features in bipartite generative neural networks [4.499833362998488]
本研究では,リミテッド・ボルツマン・マシン (RBM) を,その隠蔽ユニットに課される事前分布の関数として検討する。
解析の結果,バイナリ隠れノードと広範囲の接続性を持つ標準RCMは,臨界容量の低下に悩まされていることが明らかとなった。
この問題に対処するために、局所バイアスの導入や、よりリッチな隠蔽ユニットの事前適用など、いくつかの修正について検討する。
論文 参考訳（メタデータ） (2025-06-12T10:20:20Z) - System Identification Using Kolmogorov-Arnold Networks: A Case Study on Buck Converters [0.0]
Kolmogorov-Arnold Networks (KAN) は、解釈可能で効率的なシステム識別のための強力なフレームワークとして出現している。
本稿では, バックコンバータシステムの力学をモデル化し, 解析するためのkansの適用について検討する。
論文 参考訳（メタデータ） (2025-06-12T07:35:30Z) - Noise-Resilient Unsupervised Graph Representation Learning via Multi-Hop Feature Quality Estimation [53.91958614666386]
グラフニューラルネットワーク(GNN)に基づく教師なしグラフ表現学習(UGRL)
マルチホップ特徴量推定(MQE)に基づく新しいUGRL法を提案する。
論文 参考訳（メタデータ） (2024-07-29T12:24:28Z) - Kolmogorov-Arnold Networks (KANs) for Time Series Analysis [6.932243286441558]
本稿では,KAN(Kolmogorov-Arnold Networks)の時系列予測への応用について紹介する。
コルモゴロフ・アルノルドの表現定理に着想を得たカンスは、伝統的な線型重みをスプラインパラメタライズされた単変数関数に置き換えた。
実世界の衛星トラフィック予測タスクにおいて,KANSAが従来のMLP(Multi-Layer Perceptrons)よりも優れていることを示す。
論文 参考訳（メタデータ） (2024-05-14T17:38:17Z) - Entity-Conditioned Question Generation for Robust Attention Distribution
in Neural Information Retrieval [51.53892300802014]
教師付きニューラル情報検索モデルでは,通過トークンよりも疎注意パターンを学習することが困難であることを示す。
目的とする新しい合成データ生成手法を用いて、与えられた通路内の全てのエンティティに対して、より均一で堅牢な参加をニューラルIRに教える。
論文 参考訳（メタデータ） (2022-04-24T22:36:48Z) - Towards Open-World Feature Extrapolation: An Inductive Graph Learning
Approach [80.8446673089281]
グラフ表現と学習を伴う新しい学習パラダイムを提案する。
本フレームワークは,1) 下位モデルとしてのバックボーンネットワーク(フィードフォワードニューラルネットなど)が,予測ラベルの入力および出力として機能を取り,2) 上位モデルとしてのグラフニューラルネットワークが,観測データから構築された特徴データグラフをメッセージパッシングすることで,新機能の埋め込みを外挿することを学ぶ。
論文 参考訳（メタデータ） (2021-10-09T09:02:45Z) - Emergence of a finite-size-scaling function in the supervised learning
of the Ising phase transition [0.7658140759553149]
強磁性イジングモデルにおける二相分類の教師付き学習と二階相転移の標準有限サイズスケーリング理論との関係について検討する。
1つの自由パラメータだけで、ネットワーク出力における普遍的な有限サイズスケーリング関数の出現を記述するのに十分であることを示す。
論文 参考訳（メタデータ） (2020-10-01T12:34:12Z) - Condensing Two-stage Detection with Automatic Object Key Part Discovery [87.1034745775229]
2段階の物体検出器は通常、高い精度を達成するために、検出ヘッドのために過度に大きなモデルを必要とする。
そこで本研究では,2段階検出ヘッドのモデルパラメータを,対象キー部分に集中させることで縮合・縮小できることを示す。
提案手法は、一般的な2段検出ヘッドのモデルパラメータの約50%を放棄しながら、元の性能を一貫して維持する。
論文 参考訳（メタデータ） (2020-06-10T01:20:47Z)
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。