論文の概要: Machine Learning of Quantum Entanglement from Noisy Measurements

• arxiv url: http://arxiv.org/abs/2607.22853v1
• Date: Fri, 24 Jul 2026 18:51:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:14.906506
• Title: Machine Learning of Quantum Entanglement from Noisy Measurements
• Title（参考訳）: 雑音計測による量子絡み合いの機械学習
• Abstract要約: 偏光-交叉光子対における量子エンタングルメントの同定と定量評価への機械学習アルゴリズムの適用について検討する。 その結果,非常に限られた訓練条件下であっても,ML法は非常に高い分類精度が得られることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we investigate the application of Machine Learning (ML) algorithms to the identification and quantitative characterization of quantum entanglement in polarization-entangled photon pairs. The analysis is based on simulated symmetric, informationally complete, positive operator-valued measure (SIC-POVM) measurement data, where each two-qubit state is represented by a 16-dimensional measurement vector corresponding to experimentally accessible coincidence counts. The generated SIC-POVM measurement data include Poissonian shot noise. Several supervised ML algorithms, including Logistic Regression, k-Nearest Neighbors, Decision Trees, Support Vector Machines, and Random Forests, are applied to the classification of separable and entangled states directly from raw measurement data, without explicit density matrix reconstruction or the use of conventional separability criteria. The study additionally explores clustering methods and nonlinear regression techniques for estimating continuous entanglement measures. The obtained results demonstrate that ML methods can achieve very high classification accuracy, even under extremely limited training conditions. These findings indicate that ML may provide an efficient alternative to conventional quantum-state analysis under simulated Poissonian noise conditions.
• Abstract（参考訳）: 本研究では,光子対の量子エンタングルメントの同定と定量化に対する機械学習(ML)アルゴリズムの適用について検討する。 この分析は、シミュレーションされた対称的、情報的完備、正の演算子値測定データ(SIC-POVM)に基づいており、各2量子状態は実験的にアクセス可能な一致数に対応する16次元の測定ベクトルで表される。 生成されたSIC-POVM測定データは、ポアソニアンショットノイズを含む。 ロジスティック回帰、k-Nearest Neighbors、Decision Trees、Support Vector Machines、Random Forestsなどの教師付きMLアルゴリズムは、明示的な密度行列再構成や従来の分離性基準の使用なしに、生測データから直接分離および絡み合った状態の分類に適用される。 また,連続的絡み合いを推定するためのクラスタリング手法と非線形回帰手法についても検討した。 その結果,非常に限られた訓練条件下であっても,ML法は非常に高い分類精度が得られることがわかった。 これらの結果から,シミュレーションされたポアソン雑音下での従来の量子状態解析の代替としてMLが有効である可能性が示唆された。

関連論文リスト

• Influence-Guided Symbolic Regression: Scientific Discovery via LLM-Driven Equation Search with Granular Feedback [56.69850045068714]
  逐次的2段階プロセスとして方程式発見をフレーム化する方法である textitInfluence-Guided Regression (IGSR) を導入する。 LLM-SRBench, 薬理学的PKPDモデル, 疫学シミュレーション, 実世界のゲノムデータなど, IGSRの有効性を示す。
  論文  参考訳（メタデータ） (2026-05-27T23:48:01Z)
• pDANSE: Particle-based Data-driven Nonlinear State Estimation from Nonlinear Measurements [55.95348868409957]
  本研究では,(ノイズ)非線形測定を用いたデータ駆動非線形状態推定法(DANSE)を設計する際の問題点について考察する。 リカレントニューラルネットワーク(RNN)は、モデルフリープロセスの状態を特徴付けるガウス前のパラメータを提供する。 状態後部の2次統計は、その時点に観測された非線形測定を用いて計算される。
  論文  参考訳（メタデータ） (2025-10-31T14:26:48Z)
• Near-optimal Rank Adaptive Inference of High Dimensional Matrices [46.66027208538566]
  線形測定から高次元行列を推定する問題に対処する。 本稿では,Last-Squares推定器と共通特異値しきい値のしきい値処理を併用したアルゴリズムを提案する。 この結果は, 特異値しきい値のしきい値に基づく行列分解手法の高度化に依拠している。
  論文  参考訳（メタデータ） (2025-10-09T12:01:46Z)
• Statistical Signal Processing for Quantum Error Mitigation [12.804941908319792]
  量子誤差緩和(QEM)に対する統計的信号処理手法を提案する。 我々のモデルは、回路深度がノイズの偏極化に十分であると仮定し、劣化した観測結果を生成する。 提案手法は,ノイズモデルに整合した合成データを用いて,より大規模な量子ビット数にスケールすることを示す。
  論文  参考訳（メタデータ） (2025-05-31T19:34:19Z)
• Pretty-good simulation of all quantum measurements by projective measurements [0.0]
  量子論における一般測度は、いわゆる正の演算子値測度(POVM)によって記述される。 我々は、$d$次元量子システムにおいて、一定の($d$に依存しない)可視性パラメータを持つ偏極ノイズの応用により、任意のPOVMが射影測定のランダム化実装によりシミュレート可能であることを示す。 この結果は、様々な情報処理タスクにおいて、POVMが投影的な測定以上のことができるという利点を著しく制限します。
  論文  参考訳（メタデータ） (2025-01-16T07:47:24Z)
• Sparse high-dimensional linear mixed modeling with a partitioned empirical Bayes ECM algorithm [41.25603565852633]
  この研究は、高次元LMMに対する効率的かつ正確なベイズ的枠組みを示す。 このアプローチの斬新さは、パーティショニングとパラメータ拡張と、高速でスケーラブルな計算にある。 実世界の例では、小児のループスの研究データを用いて、新しいループスバイオマーカーに関連する遺伝子と臨床因子を特定し、時間とともにバイオマーカーを予測する。
  論文  参考訳（メタデータ） (2023-10-18T19:34:56Z)
• Simulation-based Inference for High-dimensional Data using Surjective Sequential Neural Likelihood Estimation [45.9982965995401]
  我々はSBI(Surjective Sequential Neural Likelihood Estimation)という,シミュレーションベース推論(SBI)手法のファミリーにおける新しいメンバーを提案する。 SSNL は次元共振型正規化フローモデルに適合し、マルコフ連鎖モンテカルロあるいは変分ベイズ法による計算推論を可能にする代理可能性関数として利用する。 SSNLは、天体物理学と神経科学の文献から得られた2つの挑戦的な実例を含む、多種多様な実験で評価し、その成果が、最先端の手法に匹敵するか、同等であることを示す。
  論文  参考訳（メタデータ） (2023-08-02T10:02:38Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• Aspects of scaling and scalability for flow-based sampling of lattice QCD [137.23107300589385]
  格子場理論におけるサンプリングへの機械学習正規化流れの最近の応用は、そのような手法が臨界減速と位相凍結を緩和できる可能性を示唆している。 最先端の格子量子色力学計算に適用できるかどうかはまだ定かではない。
  論文  参考訳（メタデータ） (2022-11-14T17:07:37Z)
• Direct parameter estimations from machine-learning enhanced quantum state tomography [3.459382629188014]
  機械学習による量子状態トモグラフィ(QST)は、量子状態に関する完全な情報を抽出する際の利点を実証している。 我々は,目標パラメータを直接生成することにより,高性能で軽量で容易に教師付き特性モデルを構築する。 このような特性モデルに基づく ML-QST は、ヒルベルト空間を扱う問題を回避することができるが、高い精度で特徴抽出を維持することができる。
  論文  参考訳（メタデータ） (2022-03-30T15:16:02Z)
• Mixed Precision Low-bit Quantization of Neural Network Language Models for Speech Recognition [67.95996816744251]
  長期間のメモリリカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端言語モデル(LM)は、実用アプリケーションではますます複雑で高価なものになりつつある。 現在の量子化法は、均一な精度に基づいており、量子化誤差に対するLMの異なる部分での様々な性能感度を考慮できない。 本稿では,新しい混合精度ニューラルネットワークLM量子化法を提案する。
  論文  参考訳（メタデータ） (2021-11-29T12:24:02Z)
• Performance of the quantum MaxEnt estimation in the presence of physical symmetries [0.0]
  未知状態の対称性に関する事前情報が存在する場合、量子状態推定のためのMaxEnt法の性能について検討する。 本研究では,量子情報処理に特に興味を持つ3量子状態の密度行列を推定する数値シミュレーションを行うアルゴリズムを実装した。
  論文  参考訳（メタデータ） (2021-09-22T15:56:17Z)
• Quantum Approximate Optimization Algorithm Based Maximum Likelihood Detection [80.28858481461418]
  量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。 量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。
  論文  参考訳（メタデータ） (2021-07-11T10:56:24Z)
• Realistic simulation of quantum computation using unitary and measurement channels [1.406995367117218]
  本稿では,一意チャネルと測定チャネルの和によって密度行列の進化を近似する新しいシミュレーション手法を提案する。 このモデルは、最もよく知られたアプローチと比較して、精度の面で少なくとも1桁の精度の向上を示す。
  論文  参考訳（メタデータ） (2020-05-13T14:29:18Z)

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。