.png){kind=icon}
返回
Quantum state tomography using quantum machine learning
.png){kind=icon}
PRE
AI
DOI：10.1007/s42484-024-00162-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
量子态层析成像 (QST) 是量子信息处理 (QIP) 中用于重建未知量子态的基本技术。然而，传统的QST方法受到所需测量数量的限制，这使得它们对于大规模量子系统是不切实际的。为了克服这一挑战，我们提出了量子机器学习 (QML) 技术的集成，以提高QST的效率。在本文中，我们对QST的各种方法进行了全面的研究，包括经典方法和量子方法。我们还为QST实现了不同的QML方法，并展示了它们在各种模拟和实验量子系统 (包括多量子位网络) 上的有效性。我们的结果表明，我们基于QML的QST方法可以实现高保真度 (98% \ documentclass[12pt]{最小} \ usepackage{amsmath} \ usepackage{wasysym} \ usepackage{amsfonts} \ usepackage{amssymb} \ usepackage {amsbsssy} \} setlength{\ oddsidemargin}{-69pt} \ begin{document }$98 \%$$ \ end{document})，与传统方法相比，测量值显著减少，使其成为实际QIP应用的有前途的工具。
Keyword:
Quantum state tomography
Quantum machine learning
Quantum variational circuit
Quantum information processing
期刊
Q
IF:
4.4
论文数:
442
被引数:
796
机构
查看更多机构
引用论文
Retention over time in relation to arousal during learning: An explanation of discrepant results
PREAI
分享收藏
Bortezomib, Lenalidomide and Dexamethasone Vs. Lenalidomide and Dexamethasone in Patients (Pts) with Previously Untreated Multiple Myeloma without an Intent for Immediate Autologous Stem Cell Transplant (ASCT): Results of the Randomized Phase III Trial SWOG S0777.png)
Blood
BloodIF0
PREAI
分享收藏分享收藏 查看更多内容