Anomaly detection in reconstructed quantum states using a machine-learning technique
Anomaly detection in reconstructed quantum states using a machine-learning technique
复制标题
使用机器学习技术重建量子态的异常检测
DOI：
10.1103/physreva.89.022104
复制
发表时间：
2014
期刊：
影响因子：
--
通讯作者：
T.Washio and S.Takeuchi
中科院分区：
文献类型：
--
作者：
S.Hara;T.Ono;R.Okamoto;T.Washio and S.Takeuchi
在量子信息处理中，精确检测给定密度矩阵中的微小偏差是非常重要的。在这里，我们提出了一种基于数据挖掘的概念的方法。我们证明，该方法可以更准确地检测到小的错误偏差重建的密度矩阵，其中包含固有的波动，由于样本数量有限，比一个天真的方法检查的轨迹距离给定的密度矩阵的平均值。这种方法有可能成为广泛的物理学领域的关键工具，在这些领域中，使用有限数量的样本重建量子态的小偏差的检测是必不可少的。
The accurate detection of small deviations in given density matrices is important for quantum information processing. Here we propose a method based on the concept of data mining. We demonstrate that the proposed method can more accurately detect small erroneous deviations in reconstructed density matrices, which contain intrinsic fluctuations due to the limited number of samples, than a naive method of checking the trace distance from the average of the given density matrices. This method has the potential to be a key tool in broad areas of physics where the detection of small deviations of quantum states reconstructed using a limited number of samples is essential.
影响因子：
5.7
作者：
Wang, Yazhen
通讯作者：
Wang, Yazhen