利用量子支持向量机进行量子态跨域分类
量子物理
2025-04-09 v2 机器学习
摘要
本研究中，我们运用量子机器学习进行跨域分类，以实现量子优势，重新审视纠缠与可分离性范式之间的关系。利用量子态的内在结构及其与特定类量子态的关系，我们直观地对来自不同于训练态域的测试态进行分类，称为“跨域分类”。通过我们的量子机器学习算法，我们演示了对两比特混合态在纠缠态和可分离态类别中的高效分类。对于分析量子关联的纯度，我们的模型能够将 Bell 对角态正确分类为零和非零 discord 态。此外，我们还扩展了分析，评估模型使用随机局部单位变换的鲁棒性。我们的结果表明，量子支持向量机在多维希尔伯特空间中对量子态进行分类，在与经典支持向量机和神经网络之间具有潜在优势。
引用
@article{arxiv.2407.00774,
title = {Harnessing Quantum Support Vector Machines for Cross-Domain Classification of Quantum States},
author = {Diksha Sharma and Vivek Balasaheb Sabale and Parvinder Singh and Atul Kumar},
journal= {arXiv preprint arXiv:2407.00774},
year = {2025}
}