文献

J-GLOBAL ID：202202264559836552   整理番号：22A0985563

バックプロパゲーションニューラルネットワークによる一般化Werner状態の操縦性限界の検出【JST・京大機械翻訳】

Detecting the steerability bounds of generalized Werner states via a backpropagation neural network

著者 (9件)： Zhang Jun (College of Data Science, Taiyuan University of Technology, Taiyuan 030024, China) ,  He Kan (College of Information and Computer Science, Taiyuan University of Technology, Taiyuan 030024, China) ,  He Kan (College of Mathematics, Taiyuan University of Technology, Taiyuan 030024, China) ,  He Kan (College of Software, Taiyuan University of Technology, Taiyuan 030024, China) ,  Zhang Ying (College of Information and Computer Science, Taiyuan University of Technology, Taiyuan 030024, China) ,  Hao Yu-yang (College of Software, Taiyuan University of Technology, Taiyuan 030024, China) ,  Hou Jin-chuan (College of Mathematics, Taiyuan University of Technology, Taiyuan 030024, China) ,  Lan Fang-Peng (College of Information and Computer Science, Taiyuan University of Technology, Taiyuan 030024, China) ,  Niu Bao-Ning (College of Information and Computer Science, Taiyuan University of Technology, Taiyuan 030024, China)
資料名： Physical Review. A  (Physical Review. A)
巻： 105  号： 3  ページ： 032408  発行年： 2022年 
JST資料番号： D0323D  ISSN： 2469-9926  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 任意の2量子ビット量子状態が操縦可能であり,一般化Werner状態の操縦性限界を最適化するかどうかを決定するために,誤差逆伝搬(BP)ニューラルネットワークを用いた。その結果,量子状態の特徴をいかに選択するかに関係なく,BPニューラルネットワークを用いて,サポートベクトルマシンと比較して高性能量子ステアリング分類器を得るためのいくつかのモデルを構築することができた。さらに,BPニューラルネットワークによって新たに構築した分類器を用いて一般化Werner状態のステアビリティ限界を予測した。すなわち,予測ステアビリティ限界は理論限界に近い。特に,3つの固定測定方向だけにおいて測定する必要がある量子状態に関する部分情報を有する高性能量子ステアリング分類器を得た。Copyright 2022 The American Physical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 誤差 ,  最適化 ,  情報 ,  *ニューラルネットワーク ,  操縦性 ,  *逆伝搬法 ,  サポートベクトルマシン ,  量子情報
準シソーラス用語： 量子状態 ,  量子ビット ,  分類会計機 ,  逆伝播ニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 一般化 ,  操縦性 ,  限界