基于不完整测量的量子纠缠深度学习
量子物理
2023-07-28 v6 机器学习
摘要
量化物理系统中存在的纠缠对于基础研究和许多前沿应用至关重要。目前，实现这一目标要么需要系统的先验知识，要么需要非常苛刻的实验步骤，如完整态层析或集体测量。在此，我们证明通过采用神经网络，无需知道量子态的完整描述即可量化纠缠程度。我们的方法允许使用不完整的局域测量集直接量化量子关联。尽管使用欠采样测量，我们实现的量化误差比最先进的量子层析低达一个数量级。此外，我们使用仅由模拟数据训练的网络取得了该结果。最后，我们推导了一种基于卷积网络输入的方法，可接收来自不同测量场景的数据，并在一定程度上独立于测量设备地执行。
引用
@article{arxiv.2205.01462,
title = {Deep learning of quantum entanglement from incomplete measurements},
author = {Dominik Koutný and Laia Ginés and Magdalena Moczała-Dusanowska and Sven Höfling and Christian Schneider and Ana Predojević and Miroslav Ježek},
journal= {arXiv preprint arXiv:2205.01462},
year = {2023}
}
备注
10 pages, 5 figures, 1 table