고전적 심층 신경망을 이용한 양자 얽힘 감지

แนวคิดหลัก

본 논문에서는 고전적 심층 신경망 모델인 다층 퍼셉트론(MLP)을 사용하여 양자 시스템의 얽힘을 효과적으로 감지하고 분류할 수 있음을 보여줍니다.

บทคัดย่อ

고전적 심층 신경망을 이용한 양자 얽힘 감지

본 연구 논문에서는 양자 시스템, 특히 2-큐비트 및 3-큐비트 시스템에서 양자 얽힘을 감지하고 분류하는 데 고전적 심층 신경망을 사용하는 새로운 자율적 방법을 소개합니다. 저자들은 양자 얽힘 감지를 위해 특별히 설계된 기준이나 증인에 의존하는 기존 방법과 달리 심층 신경망이 데이터에서 얽힘의 특징을 학습하여 높은 정확도로 얽힘을 감지할 수 있음을 보여줍니다.

저자들은 다층 퍼셉트론(MLP)이라는 특정 유형의 심층 신경망을 사용하여 얽힘 감지 작업을 수행했습니다. MLP는 양자 상태의 밀도 행렬 또는 상태 벡터를 입력으로 받아 상태가 얽혀 있는지 여부를 나타내는 이진 출력을 생성하도록 훈련되었습니다.
2-큐비트 시스템의 경우, 연구에서는 다양한 얽힘 정도와 순도를 가진 상태를 포함하는 데이터 세트를 사용하여 MLP를 훈련하고 테스트했습니다. 3-큐비트 시스템의 경우, MLP는 얽힘의 세 가지 주요 클래스(이분할 얽힘, GHZ 상태 및 W 상태)를 구별하도록 훈련되었습니다.

ข้อมูลเชิงลึกที่สำคัญจาก

Entanglement detection with classical deep neural networks

by Juli... ที่ arxiv.org 10-21-2024

https://arxiv.org/pdf/2304.05946.pdf