XpookyNet：基于卷积神经网络检测纠缠的量子系统分析进展
量子物理
2024-08-13 v4
摘要
近年来，由于对纠缠和量子态（该领域的本质）的识别，机器学习模型在量子信息论中的应用激增。然而，这些研究大多依赖已有的预制模型，导致精度不足。本工作旨在通过引入专为量子系统定制的深度卷积神经网络（CNN）模型来弥补这一差距。我们提出的 CNN 模型，即 XpookyNet，有效克服了量子系统固有的复数数据处理的挑战，并达到了 98.5% 的准确率。开发该定制模型增强了我们分析和理解量子态的能力。然而，首要的是，量子态应被更精确地分类以考察完全与部分纠缠态，这是我们当前研究的案例之一。随着机器学习和量子信息论融入量子系统分析，各种视角和方法涌现，为该领域的创新见解与突破铺平道路。
引用
@article{arxiv.2309.03890,
title = {XpookyNet: Advancement in Quantum System Analysis through Convolutional Neural Networks for Detection of Entanglement},
author = {Ali Kookani and Yousef Mafi and Payman Kazemikhah and Hossein Aghababa and Kazim Fouladi and Masoud Barati},
journal= {arXiv preprint arXiv:2309.03890},
year = {2024}
}