arrow
返回

A hybrid machine learning algorithm for designing quantum experiments

delete2019-03-27
delete42
delete
OA
AI
L
Lorraine O’Driscoll
R
R. Nichols
P
P. A. Knott *
DOI:10.1007/s42484-019-00003-8delete
delete原文链接
delete分享
delete收藏
查看原文
摘要

摘要

En 中文
我们介绍了一种混合机器学习算法,用于设计量子光学实验以产生特定的量子态。我们的算法成功地找到了实验方案来产生我们要求的所有5种状态,包括薛定谔猫态和立方相态,所有这些状态的保真度都超过96%。在这里,我们特别专注于设计现实的实验,因此所有算法的设计都只包含当前技术可用的实验元素。我们算法的核心是遗传算法,该算法搜索实验元素的最佳排列,但是为了加快初始搜索速度,我们结合了对量子态进行分类的神经网络。后者具有独立的兴趣,因为它很快学会了根据其光子数分布对量子态进行准确分类。
Keyword:
Machine learning
Genetic algorithm
Artificial intelligence
Quantum state engineering
Quantum optics
AI总结

AI总结

对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。

期刊

Q
Quantum Machine Intelligence
IF:
4.4
论文数:
439
被引数:
796

机构

U
University of Nottingham
学者数:
3.4W
论文数: 3.2W
被引数: 5.5W
引用论文

引用论文

Hydrogen-bonded arrays of a ytterbium(iii) p-sulfonatocalix[6]arene complex
err2004-01-01
err0
PREAI
errJerry L. Atwood; Scott J. Dalgarno; Michaele J. Hardie; Colin L. Raston
err分享
err收藏
A circulating hydrogen ultra-high purification system for the MuCap experiment
err2007-08-01
err0
errOAAI
errV.A. Ganzha; P.A. Kravtsov; O.E. Maev; G.N. Schapkin; G.G. Semenchuk; V.A. Trofimov; A.A. Vasilyev; M.E. Vznuzdaev; S.M. Clayton; P. Kammel; B. Kiburg; M. Hildebrandt; C. Petitjean; T.I. Banks; B. Lauss
err分享
err收藏
err分享
err收藏
The distribution of mast cells in the normal eye
err1963-04-01
err0
PREAI
errGeorge K. Smelser; Stephen Silver
err分享
err收藏
Active learning machine learns to create new quantum experiments主动学习机器学习创造新的量子实验
err2018-01-18
err216
errOAAI
errMelnikov, Alexey A.; Nautrup, Hendrik Poulsen; Krenn, Mario; Dunjko, Vedran; Tiersch, Markus; Zeilinger, Anton; Briegel, Hans J.
err分享
err收藏
学者 查看更多内容