論文の概要: Learning Entanglement Quasiprobability from Noisy and Incomplete Data

• arxiv url: http://arxiv.org/abs/2603.18414v1
• Date: Thu, 19 Mar 2026 02:22:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:05.915643
• Title: Learning Entanglement Quasiprobability from Noisy and Incomplete Data
• Title（参考訳）: 雑音・不完全データからの絡み合い準確率の学習
• Authors: Yu-Zhuo Li, Li-Chao Peng, Ke-Mi Xu,
• Abstract要約: 不完全な局所射影測定から絡み合い準確率を直接再構成するディープラーニングフレームワークを提案する。 残留ニューラルネットワークを用いて、部分的な測定結果を高忠実な絡み合い準確率にマッピングする。 本研究は,量子光学系におけるエンタングルメント特性評価のためのスケーラブルで実用的なツールとして,機械学習支援によるエンタングルメント準確率の再構成を確立した。
• 参考スコア（独自算出の注目度）: 0.688204255655161
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Negativities in quasiprobability distributions, a foundational concept originating in quantum optics, serve as a fundamental signature of quantum nonclassicality, with entanglement quasiprobabilities offering a necessary and sufficient criterion for entanglement. However, practical reconstruction of entanglement quasiprobabilities conventionally requires full quantum state tomography, severely limiting scalability. Here, we propose a deep-learning framework that reconstructs entanglement quasiprobabilities directly from incomplete local projective measurements, bypassing full state reconstruction. Using a residual neural network, partial measurement outcomes are mapped to high-fidelity entanglement quasiprobabilities. Numerical benchmarks up to three qubits show more than a $30\times$ reduction in reconstruction error compared with state-of-the-art tomographic methods. Experimental validation on photonic entangled states demonstrates reconstruction and entanglement detection with substantially reduced measurement resources. Our results establish machine-learning-assisted reconstruction of entanglement quasiprobabilities as a scalable and practical tool for entanglement characterization in quantum optical systems.
• Abstract（参考訳）: 量子光学を起源とする基礎概念である準確率分布の負性は、量子非古典性の基本的なシグネチャとして機能し、絡み合いに必要かつ十分な基準を提供する。 しかし、エンタングルメント準確率の実際的な再構築は、従来、完全な量子状態トモグラフィーを必要とし、スケーラビリティを著しく制限していた。 本稿では,非完全局所射影測定から絡み合う準確率を直接再構成し,完全な状態再構成を回避したディープラーニングフレームワークを提案する。 残留ニューラルネットワークを用いて、部分的な測定結果を高忠実な絡み合い準確率にマッピングする。 3キュービットまでの数値ベンチマークでは、最先端のトモグラフィー法と比較すると、復元誤差が30ドル以上削減されている。 フォトニックな絡み合った状態に対する実験的検証は、測定資源を大幅に削減した再構成と絡み付き検出を実証する。 本研究は,量子光学系におけるエンタングルメント特性評価のためのスケーラブルで実用的なツールとして,機械学習支援によるエンタングルメント準確率の再構成を確立した。

関連論文リスト

• Error-mitigated quantum state tomography using neural networks [1.8586091121463546]
  教師あり学習を通して未知の雑音を緩和する多層パーセプトロンネットワークに基づくスケーラブルなトモグラフィー手法を提案する。 提案手法は, 雑音を緩和しない場合と比較して, 広範囲のシナリオで効果的にノイズを緩和する。
  論文  参考訳（メタデータ） (2026-02-10T12:42:23Z)
• Quantum Implicit Neural Representations for 3D Scene Reconstruction and Novel View Synthesis [42.13843953705695]
  入射神経表現(INR)は連続信号モデリングと3次元シーン再構成の強力なパラダイムとなっている。 ニューラルラディアンス場レンダリングのための最初のハイブリッド量子古典的フレームワークである量子ニューラルラディアンス場(Q-NeRF)を提案する。
  論文  参考訳（メタデータ） (2025-12-14T13:24:11Z)
• Constrained Shadow Tomography for Molecular Simulation on Quantum Devices [11.572076686962106]
  本稿では,制約付きシャドウトモグラフィのための双方向半定値プログラミング手法を提案する。 この方法は$N$で表現可能な2-RDMを構築し、影の測定とエネルギーの最小化のバランスをとる。 数値的およびハードウェア的な結果は、このアプローチが精度、耐雑音性、拡張性を大幅に改善することを示している。
  論文  参考訳（メタデータ） (2025-11-12T20:24:43Z)
• Experimental property-reconstruction in a photonic quantum extreme learning machine [28.404018926483985]
  我々は、光子の偏光状態の資源効率と正確な評価を実現するために、フォトニックプラットフォームに量子エクストリームラーニングマシンを実装した。 本研究では, 未知の偏光状態の再構成が測定装置の注意深い評価を必要とせず, 実験的不完全性に対して頑健であることを示す。
  論文  参考訳（メタデータ） (2023-08-08T19:22:03Z)
• Quantum tomography of Rydberg atom graphs by configurable ancillas [1.0965065178451106]
  本稿では, 連続的に変化する相互作用が, 関心システムの量子状態再構成に十分なトモグラフィ的に, 独立したベース計測を生成できるアンシラを提案する。 N$-body $W$状態のRydberg原子配列に対して実験を行い、提案手法の信頼性の高い完全量子状態再構成を実証した。
  論文  参考訳（メタデータ） (2022-11-15T06:38:01Z)
• Efficient factored gradient descent algorithm for quantum state tomography [10.100843479138222]
  本稿では,量子トモグラフィープロトコルを提案する。このプロトコルは,状態要素と固有値マッピングを組み合わせ,ランク不足問題に対処する。 また, ランダムな11ビット混合状態のフル状態トモグラフィを1分以内で達成できることも確認した。
  論文  参考訳（メタデータ） (2022-07-12T06:45:35Z)
• Neural network enhanced measurement efficiency for molecular groundstates [63.36515347329037]
  いくつかの分子量子ハミルトニアンの複雑な基底状態波動関数を学習するために、一般的なニューラルネットワークモデルを適用する。 ニューラルネットワークモデルを使用することで、単一コピー計測結果だけで観測対象を再構築するよりも堅牢な改善が得られます。
  論文  参考訳（メタデータ） (2022-06-30T17:45:05Z)
• Improved Quantum Algorithms for Fidelity Estimation [77.34726150561087]
  証明可能な性能保証を伴う忠実度推定のための新しい,効率的な量子アルゴリズムを開発した。 我々のアルゴリズムは量子特異値変換のような高度な量子線型代数技術を用いる。 任意の非自明な定数加算精度に対する忠実度推定は一般に困難であることを示す。
  論文  参考訳（メタデータ） (2022-03-30T02:02:16Z)
• Efficient quantum state tomography with convolutional neural networks [0.0]
  我々は,情報的に完全な測定結果に対する確率分布の近似に依存する量子状態トモグラフィー手法を開発した。 実験データから直接推定した場合と比較して,観測可能量の推定誤差を最大で1桁低減する。
  論文  参考訳（メタデータ） (2021-09-28T14:55:54Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)
• 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。