Loading...

Finding Semi-Optimal Measurements for Entanglement Detection Using Autoencoder Neural Networks

Yosefpor, Mohammad | 2021

610 Viewed
  1. Type of Document: M.Sc. Thesis
  2. Language: Farsi
  3. Document No: 54169 (04)
  4. University: Sharif University of Technology
  5. Department: Physics
  6. Advisor(s): Raeisi, Sadegh
  7. Abstract:
  8. Entanglement is one of the key resources of quantum information science which makes identification of entangled states essential to a wide range of quantum technologies and phenomena.This problem is however both computationally and experimentally challenging.Here we use autoencoder neural networks to find semi-optimal measurements for detection of entangled states. We show that it is possible to find high-performance entanglement detectors with as few as three measurements. Also, with the complete information of the state, we develop a neural network that can identify all two-qubits entangled states almost perfectly.This result paves the way for automatic development of efficient entanglement witnesses and entanglement detection using machine learning techniques
  9. Keywords:
  10. Quantum Information Theory ; Neural Networks ; Machine Learning ; Autoencoder ; Entanglement ; Artificial Intelligence

 Digital Object List

 Bookmark

  • فهرست مطالب
  • فهرست تصاویر
  • فهرست جداول
  • پیش گفتار
    • مقدمه
    • حالت و سیستم کوانتمی
      • حالت کوانتمی
      • حالت کوانتمی سیستم مرکب
      • حالت خالص و مخلوط
      • تجزیه اشمیت
    • درهم تنیدگی
    • پیچیدگی محاسباتی
    • مساله جداپذیری
    • شاهد درهم تنیدگی
    • معیار Peres – Horodecki (PPT)
    • نمایش حالت های دوکیوبیت
    • بررسی سایر رویکرد های موجود
    • ساختار پایان نامه و علامت گذاری
  • یادگیری ماشینی
    • مقدمه
    • یادگیری ماشین چیست؟
    • انواع یادگیری ماشین
      • یادگیری نظارت شده
      • یادگیری نظارت نشده
      • یادگیری شبه نظارت شده
    • شبکه های عصبی
    • شبکه های خود رمزگذار
    • تشخیص ناهنجاری
    • متریک های ارزیابی
      • ماتریس درهم ریختگی
    • نتیجه گیری
  • تشخیص حالت های درهم تنیده از جداپذیر
    • مقدمه
    • تولید داده ها
    • بررسی آماری داده ها
    • روش های کلاسیک
      • اهمیت ویژگی ها
    • شبکه های عصبی
    • شبکه عصبی خود رمزگذار
    • شبکه عصبی با تعداد ویژگی کمتر
    • تقارن استوانه ای
    • پایداری و اثر نوفه
    • یادگیری نظارت نشده
    • یادگیری شبه نظارت شده
    • نتیجه گیری
  • جمع بندی و پیشنهادها
    • جمع بندی
    • پیشنهادها
      • بررسی تقارن های دیگر
      • ابعاد بالاتر
      • ماشین بولتزمن و مدل های تولید کننده
      • روش های دیگر یادگیری ماشینی
  • مراجع
...see more