.png){kind=icon}
返回
A quantum-inspired classification for random mixed states
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-026-44068-5.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种受量子启发的分类框架，旨在识别随机混合量子态中的关联结构：乘积态、可分态和纠缠态。基于先前的工作，其中Pretty-Good-Measurement（PGM）分类器在纯态集合中表现出竞争力，我们将此方法扩展到更具挑战性的混合态领域。我们将受量子启发的分类器应用于随机生成的二量子比特和三量子比特混合态集合，涵盖所有可能的子系统关联种类，同时确保统计中立性。结果表明，受量子态区分启发的学习架构可以提供可扩展且具有物理基础的工具，用于表征混合态 regime下的纠缠和可分性。
Keyword:
Mathematics and computing
Physics
Quantum-inspired machine learning
PGM classifier
Quantum states classification
Mixed states
Science
Humanities and Social Sciences
multidisciplinary
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。
