A Molecular-MNIST Dataset for Machine Learning Study on Diffraction Imaging and Microscopy
Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）；National Renewable Energy Laboratory（美国国家可再生能源实验室）；Northeastern University（东北大学）
从分子动力学轨迹的2D横截面投影生成10个不同大小分子的图像数据集，其中每个分子具有2，000个结构变体。该数据集的目的是为机器学习、深度学习和图像处理在散射、成像和显微镜研究方面日益增长的需求提供基准数据集。
2019-11-15 cs.CV cs.LG eess.IV
Introducing a Family of Synthetic Datasets for Research on Bias in Machine Learning
University College Dublin（都柏林大学学院）
机器学习（ML）中偏见研究进展的一个重大障碍是相关数据集的可用性。鉴于此类数据的敏感性，这种情况不太可能发生太大变化。因此，合成数据在本研究中具有重要作用。在这篇简短的论文中，我们提出了这样一个家庭的合成数据集。我们提供了一个数据的概述，描述了如何可以改变的偏见的水平，并提出了一个简单的例子，对数据的实验。
2021-08-03 cs.CR cs.LG stat.ML
Automated Machine Learning can Classify Bound Entangled States with Tomograms
对于总维数大于6的量子系统，正部分转置（PPT）判据对于判定量子态的不可分性是充分的，但不是必要的。在这里，我们提出了一种自动机器学习的方法来分类两个qutrits的随机状态可分离或纠缠使用足够的数据来执行量子态断层扫描，没有任何直接测量其纠缠。即使Peres-Horodecki准则失败，我们也可以成功地应用我们的框架。此外，我们还可以用回归技术估计纠缠的广义鲁棒性，并用它来验证我们的分类器。
2020-08-25 quant-ph
An investigation of licensing of datasets for machine learning based on the GQM model
Nagoya University（名古屋大学）；Ritsumeikan University（立命馆大学）
数据集许可目前是机器学习系统开发中的一个问题。在机器学习系统的开发中，使用最广泛的是公开可用的数据集。然而，由于公开数据集中的图像主要是从互联网上获得的，因此有些图像无法在商业上获得。此外，机器学习系统的开发人员在使用数据集训练机器学习模型时，往往不关心数据集的许可。综上所述，现阶段机器学习系统的数据集许可在各个方面都处于不完整的状态。我们对两个收集数据集的调查显示，目前大多数数据集都缺乏许可证，而缺乏许可证使得无法确定数据集的商业可用性。因此，我们决定采取更科学和系统的方法来调查数据集的许可以及使用数据集的机器学习系统的许可，以使机器学习系统的未来开发人员更容易和更合规。
2023-03-24 cs.CY cs.LG cs.SE
Dataset Management Platform for Machine Learning
数据集中的数据质量可以对使用数据集训练和/或评估的机器学习模型的性能具有实质性影响。有效的数据集管理，包括数据清理、版本控制、访问控制、数据集转换、自动化、完整性和安全性等任务，可以帮助提高机器学习过程的效率和速度。目前，工程师花费大量的手动工作和时间来管理数据集版本或为机器学习任务准备数据集。本公开描述了一种有效地管理和使用数据集的平台。这些技术集成了数据集管理和数据集转换机制。描述了一个存储引擎，它充当所有数据的真实来源，并处理版本控制、访问控制等。数据集转换机制是生成数据集（快照）以满足不同目的的关键部分。所描述的技术可以支持不同的工作流、流水线或数据编排需求，例如，用于训练和/或评估机器学习模型。
2023-03-15 cs.DB cs.LG
VizWiz Dataset Browser: A Tool for Visualizing Machine Learning Datasets
University of Texas at Austin（德克萨斯大学奥斯汀分校）
我们提出了一个可视化工具，详尽地搜索和浏览一组大规模的机器学习数据集。建立在VizWiz数据集之上，我们的数据集浏览器工具有可能支持和实现各种定性和定量研究，并为多模态信息的可视化和研究开辟新的方向。该工具可在https://vizwiz.org/browse上公开获取。
2019-12-19 cs.CV cs.HC cs.LG
Elements of effective machine learning datasets in astronomy
Occidental College（西方学院）；UCLA（加州大学洛杉矶分校）
在这项工作中，我们确定了天文学中有效的机器学习数据集的元素，并为它们的设计和创建提出了建议。机器学习已经成为分析和理解天文学中大规模数据洪流的重要工具。为了利用这些工具，需要数据集进行培训和测试。然而，为天文学构建机器学习数据集可能具有挑战性。天文数据是从以传统方式探索科学问题而不是进行机器学习的仪器中收集的。因此，通常情况下，原始数据或甚至下游处理数据的形式不适合机器学习。我们探索机器学习数据集的构建，我们问：什么元素定义了有效的机器学习数据集？我们在天文学中定义了有效的机器学习数据集，这些数据集由定义良好的数据点、结构和元数据组成。我们将讨论为什么这些元素是重要的天文应用和方法，把它们付诸实践。我们认为，这些品质不仅使数据适合机器学习，还有助于促进可用、可重复使用和可复制的科学实践。
2022-11-29 astro-ph.IM cs.LG
Sample selection from a given dataset to validate machine learning models
在工业上使用有监督的机器学习算法时，通常需要从完整的数据集中选择验证基础。该验证基础将用于实现对机器学习模型的独立评估。为了选择这一基础，我们建议采用“实验设计”的观点，通过使用统计标准。我们表明，“支持点”的概念，基于最大均值离散准则，是特别相关的。EDF公司的一个工业测试案例说明了该方法的实际意义。
2021-04-27 stat.ML
Reduced, Reused and Recycled: The Life of a Dataset in Machine Learning Research
University of California, Los Angeles（加州大学洛杉矶分校）；Google Research（谷歌研究院）
基准数据集在机器学习研究的组织中发挥着核心作用。它们协调研究人员围绕共同的研究问题，并作为衡量共同目标进展的标准。尽管基准测试实践在这一领域的基础性作用，相对较少的关注已经支付基准数据集的使用和重用的动态，内部或跨机器学习子社区。在本文中，我们将深入研究这些动态。我们研究了2015-2020年机器学习子社区和时间段内数据集使用模式的差异。我们发现越来越多的集中在任务社区内越来越少的数据集，从其他任务的数据集的显着采用，并集中在整个领域的数据集，已介绍了位于少数精英机构的研究人员。我们的研究结果对科学评估，人工智能伦理和该领域内的公平/准入具有影响。
2021-12-03 cs.CL cs.CV cs.CY
Morse Code Datasets for Machine Learning
University of Southern California（南加州大学）
我们提出了一种算法来生成合成数据集的可调难度分类的莫尔斯码符号的监督机器学习问题，特别是神经网络。这些数据集在空间上是一维的，并且具有少量的输入特征，从而导致输入信息内容的高密度。这使得它们在实现网络复杂性降低方法时特别具有挑战性。我们探讨了故意添加各种形式的噪声以及扩大特征集和数据集大小如何影响网络性能。最后，我们建立了几个指标来表示数据集的难度，并评估其优点。算法和数据集是开源的。
2018-12-01 cs.IT cs.LG math.IT
A survey on datasets for fairness-aware machine learning
Leibniz University Hannover（汉诺威莱布尼茨大学）；Carnegie Mellon University（卡内基梅隆大学）；Free University Berlin（柏林自由大学）
随着决策越来越依赖于机器学习（ML）和（大）数据，数据驱动的人工智能（AI）系统中的公平性问题越来越受到研究和行业的关注。已经提出了各种各样的公平性感知机器学习解决方案，其涉及数据、学习算法和/或模型输出中的公平性相关干预。然而，提出新方法的一个重要部分是在代表现实和多样化环境的基准数据集上进行经验评估。因此，在本文中，我们概述了用于公平感知机器学习的真实世界数据集。我们专注于表格数据作为公平感知机器学习最常见的数据表示。我们通过识别不同属性之间的关系来开始分析，特别是w.r.t.。保护属性和类属性，使用贝叶斯网络。为了更深入地了解数据集中的偏差，我们使用探索性分析来研究有趣的关系。
2022-01-21 cs.LG
CircuitNet: An Open-Source Dataset for Machine Learning Applications in Electronic Design Automation (EDA)
School of Integrated Circuits, Peking Univeristy, Beijing 100871 , China；School of Physics
电子设计自动化（EDA）社区一直在积极探索用于超大规模集成计算机辅助设计（VLSI CAD）的机器学习（ML）。许多研究探索了基于学习的技术，用于设计流程中的跨阶段预测任务，以实现更快的设计收敛。尽管构建ML模型通常需要大量数据，但由于缺乏大型公共数据集，大多数研究只能生成小型内部数据集进行验证。在这篇文章中，我们介绍了第一个名为CircuitNet的开源数据集，用于VLSI CAD中的ML任务。
2022-09-01 cs.LG
Preventing dataset shift from breaking machine-learning biomarkers
McGill University（麦吉尔大学）；INRIA（法国国家信息与自动化研究所）
机器学习带来了从具有丰富生物医学测量的队列中提取新生物标志物的希望。一个好的生物标志物是一个可靠的检测相应的条件。然而，生物标志物通常从与目标人群不同的队列中提取。这种不匹配被称为数据集转移，可能会破坏生物标志物对新个体的应用。生物医学研究中经常发生数据集转移，例如，由于招募偏见。当数据集发生变化时，标准的机器学习技术不足以提取和验证生物标志物。本文概述了数据集偏移何时以及如何破坏机器学习提取的生物标志物，以及检测和校正策略。
2021-07-21 cs.LG math.ST q-bio.QM
Lab-scale Vibration Analysis Dataset and Baseline Methods for Machinery Fault Diagnosis with Machine Learning
Sepuluh Nopember Institute of Technology（印度尼西亚 Sepuluh Nopember 理工学院）；National Institute of Advanced Industrial Science and Technology（日本国立先进工业科学技术研究院）
本文提出了一个实验室级机械振动信号数据集，包含正常、不平衡、不对中和轴承故障四种状态，并使用SVM、KNN和GNB三种机器学习方法进行基线评估，其中SVM在5折交叉验证中取得了99.75%的加权准确率。
2022-12-27 cs.LG cs.SY eess.SP
There is no data like more data -- current status of machine learning datasets in remote sensing
Munich University of Applied Sciences（慕尼黑应用科学大学）；K. N. Toosi University of Technology（KN图西理工大学）；German Aerospace Center (DLR)（德国航空航天中心）
注释数据集已成为开发和评估基于机器学习的方法的最重要的先决条件之一，这些方法旨在对遥感数据进行自动判读。在本文中，我们回顾了这类数据集的历史发展，讨论了它们的功能的基础上选择的几个例子，并解决未来发展的开放问题。
2021-06-17 cs.LG eess.IV
Dataset Structural Index: Leveraging a machine's perspective towards visual data
Independent Researcher.
随着视觉和感知架构的进步，我们已经意识到，与算法相比，处理数据同样重要。直到今天，我们都是根据我们的知识和对世界的看法来训练机器。数据集结构索引（DSI）的整个概念围绕着理解机器对数据集的看法。通过DSI，我展示了两个Meta值，通过它们我们可以在可视化数据集上获得更多信息，并使用它来优化数据，创建更好的架构，并能够猜测哪个模型最好。这两个值是“品种贡献率”和“相似性矩阵”。在本文中，我展示了DSI的许多应用，其中之一是如何在更少的数据量上训练相同的模型架构来实现相同的准确度。
2023-01-23 cs.CV cs.LG
ExioML: Eco-economic dataset for Machine Learning in Global Sectoral Sustainability
School of Electrical & Computer Engineering, University of Sydney（悉尼大学电气与计算机工程学院）；Rich Data Co（Rich Data公司）
本文提出首个面向可持续性分析的机器学习基准数据集ExioML，通过温室气体排放回归任务验证其可用性，并为未来研究和可持续决策奠定基础。
2024-07-06 cs.DB cs.LG
BioImageLoader: Easy Handling of Bioimage Datasets for Machine Learning
Laboratoire d’Optique et Biosciences（光学与生物科学实验室）；CNRS（法国国家科学研究中心）；INSERM（法国国家健康与医学研究院）；École Polytechnique（巴黎综合理工学院）；Institut Polytechnique de Paris（巴黎理工学院）
BioImageLoader（BIL）是一个Python库，用于处理机器学习应用程序的生物图像数据集，简化简单的工作流程并支持复杂的工作流程。BIL试图将众多不同的生物图像数据集包装在统一的接口中，以轻松地连接，执行图像增强和批量加载它们。通过在每个实验数据集级别上进行操作，它可以实现高水平的自定义和跨实验的比较。在这里，我们展示了这个库，并展示了它支持的一些应用程序，包括重新训练已发布的深度学习架构，并以一种省去一个的方式评估它们的多功能性。
2023-03-02 cs.CV cs.LG q-bio.QM
A universal synthetic dataset for machine learning on spectroscopic data
Institute for Automation and Applied Informatics（自动化与应用信息学研究所）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Department of Materials Science & Engineering（材料科学与工程系）；UC Berkeley（加州大学伯克利分校）；Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）
为了协助开发用于光谱数据自动分类的机器学习方法，我们生成了一个可用于模型验证的通用合成数据集。该数据集包含人工光谱，旨在代表X射线衍射，核磁共振和拉曼光谱等技术的实验测量。数据集生成过程具有可自定义的参数，例如扫描长度和峰值计数，可以进行调整以适应手头的问题。作为初始基准，我们模拟了一个包含35，000个光谱的数据集，这些光谱基于500个独特的类。为了自动化这些数据的分类，评估了八种不同的机器学习架构。从结果中，我们揭示了哪些因素对实现分类任务的最佳性能最关键。用于生成合成光谱的脚本以及我们的基准数据集和评估例程都是公开的，以帮助开发用于光谱分析的改进机器学习模型。
2022-06-14 cond-mat.mtrl-sci cs.LG
DELAUNAY: a dataset of abstract art for psychophysical and machine learning research
University of Bern（伯尔尼大学）；Heidelberg University（海德堡大学）
图像数据集通常用于心理物理实验和机器学习研究。大多数公开可用的数据集由真实和自然物体的图像组成。然而，虽然典型的机器学习模型缺乏关于自然对象的任何特定领域的知识，但人类可以利用这些数据的先前经验，使得人工学习和自然学习之间的比较具有挑战性。在这里，我们介绍DELAUNAY，这是一个由艺术家名字标记的抽象绘画和非具象艺术品的数据集。该数据集提供了自然图像和人工模式之间的中间地带，因此可以用于各种背景，例如研究人类和人工神经网络的样本效率。最后，我们在DELAUNAY上训练了一个现成的卷积神经网络，突出了它的几个有趣的特性。
2022-01-28 cs.CV cs.LG q-bio.NC
Two-Qutrit entanglement: 56-years old algorithm challenges machine learning
纠缠态和可分离态的分类是一个极具挑战性的课题，同时也是量子信息处理理论的基础之一。即使对于相对简单的情况，例如两个四分之一的贝尔对角态，即，九个相互正交的最大纠缠态的混合物。在这篇文章中，我们应用吉尔伯特算法来修改以前得到的结果，这一类。特别是，我们使用“纠缠的制图”来论证大多数国家留在[Hiesmayr，B。C. { \em Scientific Reports} { \bf 11}，19739（2021）]作为未知的纠缠或可分离的最有可能确实是可分离的，或非常弱的纠缠。所提出的技术在更一般的情况下可以找到无限的应用。
2022-11-06 quant-ph
JaQuAD: Japanese Question Answering Dataset for Machine Reading Comprehension
问答（QA）是机器理解给定文档和问题以找到答案的任务。尽管在NLP领域取得了令人印象深刻的进展，但QA仍然是一个具有挑战性的问题，特别是对于非英语语言，由于缺乏注释数据集。在本文中，我们提出了日本问答数据集，JaQuAD，这是由人类注释。JaQuAD由39，696个关于日语维基百科条目的提取问答对组成。我们微调了一个基线模型，在测试集上F1得分达到78.92%，EM得分达到63.38%。数据集和我们的实验可在https://github.com/SkelterLabsInc/JaQuAD上获得。
2022-02-03 cs.AI cs.CL cs.LG
Entangled q-Convolutional Neural Nets
Institute of Physics, University of Amsterdam（阿姆斯特丹大学物理研究所）
我们介绍了一种机器学习模型，q-CNN模型，它与卷积神经网络共享关键特征，并允许张量网络描述。作为示例，我们将q-CNN应用于MNIST和Fashion MNIST分类任务。我们解释了网络如何将量子态与每个分类标签相关联，并研究了这些网络态的纠缠结构。在我们对MNIST和Fashion-MNIST数据集的实验中，我们观察到在训练过程中，随着网络学习数据的精细特征，左/右以及上/下二分纠缠熵都有明显的增加。更一般地说，我们观察到纠缠熵的值和成本函数的值之间存在普遍的负相关性，这表明网络需要学习纠缠结构才能准确地执行任务。这支持了利用纠缠结构作为指导来设计适合于给定任务的机器学习算法的可能性。
2021-03-06 cs.LG quant-ph stat.ML
MIMII DG: Sound Dataset for Malfunctioning Industrial Machine Investigation and Inspection for Domain Generalization Task
Hitachi, Ltd.（日立制作所）
我们提出了一个机器声音数据集的基准领域泛化技术异常声音检测（ASD）。域偏移是数据分布的差异，会降低检测性能，处理它们是ASD系统应用的主要问题。虽然目前可用的ASD任务数据集假设域偏移的发生是已知的，但在实践中，它们可能难以检测。为了处理这样的域转移，应该研究无论域如何都表现良好的领域泛化技术。在本文中，我们提出了第一个ASD数据集的领域泛化技术，称为MIMII DG。该数据集由五种机器类型和每种机器类型的三种域转移场景组成。该数据集专用于领域泛化任务，其特征包括导致领域偏移的参数的多个不同值以及可能难以检测的领域偏移的引入，例如背景噪声中的偏移。使用两个基线系统的实验结果表明，数据集再现域转移的情况下，是有用的基准领域泛化技术。
2022-11-22 cs.AI cs.LG cs.SD
Transition Role of Entangled Data in Quantum Machine Learning
Wuhan University（武汉大学）；JD Explore Academy（京东探索研究院）；Nanyang Technological University（南洋理工大学）；University of Sydney（悉尼大学）；Peking University（北京大学）
该研究建立了利用纠缠数据学习量子动力学的量子NFL定理，揭示纠缠数据对QML模型预测误差的双重效应，为资源受限的早期量子计算机上的QML协议设计提供指导。
2024-05-12 cs.AI cs.IT cs.LG
Free versus Bound Entanglement: Machine learning tackling a NP-hard problem
高维系统中的纠缠检测是一个NP难问题，因为它缺乏一种有效的方法。给定一个感兴趣的二分量子态，自由纠缠可以通过PPT判据（Peres-Horodecki判据）有效地检测到，与检测束缚纠缠相反，束缚纠缠是一种奇怪的纠缠形式，也不能被提取到最大（自由）纠缠态。只有少数束缚纠缠态被发现，通常是通过构造专门的纠缠见证者，所以自然会出现这样的问题：这些纠缠态的体积有多大？我们定义了一个大的二分量子魔对称态族，发现其中$82\%$是自由纠缠的，$2\%$是可分的，而$10\%$是束缚纠缠的，这表明这种纠缠并不罕见.通过各种机器学习算法，我们可以确认剩余的$6\%$态更可能属于可分离态集而不是束缚纠缠态。最重要的是，我们发现通过降维算法，有一个强的$2$维（线性）子结构的束缚纠缠态的集合。这揭示了结构打开了一个新的路径来寻找和表征束缚纠缠，解决长期存在的问题，束缚纠缠的存在意味着什么。
2021-06-07 quant-ph
The role of entanglement for enhancing the efficiency of quantum kernels towards classification
Indian Institute of Technology Jodhpur（印度理工学院焦特布尔分校）；Central University of Punjab（旁遮普中央大学）
本文提出基于线性和完全纠缠电路的量子核用于文本情感分类，发现完全纠缠电路能控制QSVM表达力，并在多数特征上优于其他量子电路和经典算法，且效率随特征增加而显著提升。
2023-04-01 cs.LG quant-ph
Push-down automata as sequential generators of highly entangled states
该研究利用量子信道与序列生成态的对偶性，提出用量子下推自动机作为生成机器，快速构建经历相变的高度纠缠态（如Motzkin链基态），并推广出可高效序列生成的态族。
2023-05-08 cond-mat.stat-mech quant-ph
Machine-learning certification of multipartite entanglement for noisy quantum hardware
针对多体态可分性难题，提出基于随机局部测量统计与非线性降维的纠缠认证流程，经模拟数据验证后成功应用于IBM量子硬件。
2024-08-22 quant-ph
Maximal steady-state entanglement in autonomous quantum thermal machines
提出一种由化学势偏压驱动的三量子比特自主量子热机，可确定性生成最大纠缠暗态，并推广至 $2n-1$ 量子比特以生成 $n$ 体 W 态。
2025-01-06 quant-ph
Disentangling and broadcasting an entangled state simultaneously by asymmetric cloning
我们构造了一个量子机器，利用非对称克隆器，在一次幺正演化中处理解纠缠和传播纠缠。可达到的最大值的缩放参数$s$的解开是在以前的作品中获得的相同。克隆态相对于输入纠缠态的保真度是依赖于态的。
2002-10-06 quant-ph
Optimal entanglement witness of multipartite systems using support vector machine approach
本文提出基于支持向量机的数值方法构造多体系统最优纠缠见证，可区分纠缠态与可分离态，并生成能检测PPTES的不可分解见证。
2025-04-25 quant-ph
Large-Scale Quantum Separability Through a Reproducible Machine Learning Lens
Aix-Marseille University（艾克斯-马赛大学）；CNRS（法国国家科学研究中心）；LIS（计算机科学实验室）；I2M（马赛数学研究所）
本文提出基于 Frank-Wolfe 最近可分态搜索与自动标注的机器学习流水线，将量子可分性转化为分类问题，并在 3、7 维 qudit 上验证其可扩展至数千矩阵且检测准确。
2023-12-09 cs.LG quant-ph stat.ML
Security of Quantum Key Distribution with entangled quNits
我们考虑Ekert的基于纠缠的量子密码协议的推广，其中量子比特被qu $N$代替（即，n维系统）。为了研究其鲁棒性对最佳的非相干攻击，我们推导出一个潜在的窃听者在克隆为基础的个人攻击过程中获得的信息。在这样做的时候，我们推广了瑟夫的形式主义克隆机，并建立了最一般的克隆机的形式，尊重所有的对称性的问题。我们得到一个上界的错误率，保证量子比特的Ekert协议的quNit概括的机密性。
2003-04-14 quant-ph
Study on Entanglement and its Utility in Information Processing
研究了最大纠缠和非最大纠缠混合态作为隐形传态信道的效率。提出了一类新的非最大纠缠混合态。证明了它们作为量子隐形传态信道优于现有的非最大纠缠混合态。混合态也可以使用量子克隆机产生。我们还研究了如何利用从与态无关的量子克隆机中获得的混合纠缠态进行隐形传态和密集编码。混合状态也可以用于秘密共享。设计了一种新的秘密共享协议，其中涉及四方。他们中的一个天生诚实，另一个不诚实。不诚实的人有两个同伙，他们也参与了协议。已经证明，诚实的一方如何通过使用量子克隆机来阻止不诚实的一方将秘密信息传递给他的同伙。建立了初始准备态的纠缠度、诚实一方应用克隆方案后接收到的混合态的纠缠度与克隆机的克隆参数之间的关系。讨论了三体和四体纠缠态在受控密集编码中的应用。论文最后对全文进行了总结，并对今后的工作进行了展望.
2020-07-21 quant-ph
Reformulation of the No-Free-Lunch Theorem for Entangled Data Sets
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；Louisiana State University（路易斯安那州立大学）
没有免费的午餐（NFL）定理是学习理论中的一个著名结果，它限制了人们使用训练数据集学习函数的能力。随着最近量子机器学习的兴起，很自然地会问是否存在NFL定理的量子模拟，这将限制量子计算机使用量子训练数据学习酉过程（函数的量子模拟）的能力。然而，在量子环境中，训练数据可以具有纠缠，一种没有经典模拟的强相关性。在这项工作中，我们表明，纠缠的数据集导致一个明显的违反（经典）NFL定理。这激发了重新表述，以说明训练集中的纠缠程度。作为我们的主要结果，我们证明了一个量子NFL定理，其中一个单一的可学习性的基本限制减少纠缠。我们采用Rigetti的量子计算机来测试经典和量子NFL定理。我们的工作表明，纠缠是量子机器学习中的一种商品。
2022-02-28 cs.LG quant-ph
Copying of entangled states and the degradation of correlations
我们调查的程度纠缠生存时，一对相关的两态系统被复制使用本地或非本地的过程。我们展示了复制过程是如何降低纠缠度的，这是由于复制的输出和复制机（本身由量子比特组成）之间的残余相关性。
1998-08-24 quant-ph
Quantum-enhanced data classification with a variational entangled sensor network
变分量子线路（VQC）建立在噪声中间尺度量子（NISQ）硬件上，结合经典处理，构成了量子模拟、经典优化和机器学习的一种有前途的体系结构。然而，所需的VQC深度，以证明一个量子优势超过经典的计划是超出了现有的NISQ设备的范围。由纠缠传感器网络（SLAEN）辅助的监督学习是一种独特的范例，它利用经典机器学习算法训练的VQC来定制传感器共享的多体纠缠，以解决实际有用的数据处理问题。在这里，我们报告了SLAEN的第一个实验演示，并显示了一个纠缠启用减少多维射频信号分类的错误概率。我们的工作为NISQ时代的量子增强数据处理及其应用开辟了一条新的途径。
2021-05-18 physics.optics quant-ph
Quantum Cloning of Continuous Variable Entangled States
我们考虑了连续变量纠缠态的量子克隆。这是通过引入两个对称的纠缠克隆机（或电子克隆机）：一个本地的电子克隆机和一个全球的电子克隆机;在那里，我们看看在克隆的保真度最大化的条件下，在克隆纠缠的保存。这些克隆机使用简单的线性光学元件，如分束器和零差检测以及挤压门来实现。我们表明，全球e-cloner优于本地e-cloner无论是在克隆态的保真度，以及克隆的纠缠强度。为了保持纠缠，全局e-cloner的输入态存在一个最小纠缠强度（对于不可分性判据为3dB，对于EPR佯谬判据为5.7dB）。
2007-11-01 quant-ph
Preparation of Entangled Many-Body States with Machine Learning
针对多量子比特系统制备目标量子多体态的困难，提出一种基于深度学习的算法，利用小量子比特系统状态模式训练模型预测多量子比特参数，成功制备了64自旋1D XY模型基态。
2023-07-27 cond-mat.str-el quant-ph
Entangled Threats: A Unified Kill Chain Model for Quantum Machine Learning Security
Fraunhofer Institute for Applied and Integrated Security (AISEC)（弗劳恩霍夫应用与集成安全研究所）；d-fine GmbH（d-fine公司）；Alpine Quantum Technologies (AQT) GmbH（阿尔卑斯量子技术公司）；Federal Office for Information Security (BSI)（联邦信息安全办公室）
针对量子机器学习（QML）威胁被孤立分析的问题，提出受MITRE ATLAS启发的量子感知杀伤链框架，系统映射多阶段攻击向量及其相互依赖关系，为QML的威胁建模和深度安全设计奠定基础。
2025-07-11 cs.CR cs.LG quant-ph
Entanglement detection with quantum support vector machine(QSVM) on near-term quantum devices
本文在IBM近期量子设备上实现量子支持向量机QSVM，利用量子变分电路以超过90%的准确率分类两量子比特和三量子比特纠缠态，并验证了其在硬件噪声下的鲁棒性。
2025-04-09 quant-ph
Towards efficient and generic entanglement detection by machine learning
量子纠缠的检测是实现量子计算和量子通信不可或缺的一步。与传统的基于保真度的纠缠见证方法相比，本文提出了一种灵活的、机器学习辅助的纠缠检测协议，该协议对不同类型的噪声具有很强的鲁棒性，并且具有较高的采样效率.在该协议中，通过用合成数据集训练经典机器学习模型来获得通用纠缠态的纠缠分类器。该数据集包含两种类型的状态及其标签（纠缠或可分离）的经典特征。利用经典阴影法对状态的经典特征，即一组k-局部泡利观测量的期望值，进行了样本有效估计。在数值模拟中，我们的分类器可以检测到四量子比特GHZ态与相干噪声和W态与大的白噪声混合的纠缠，具有较高的精度。
2022-11-10 quant-ph
Quantum Cloning, Bell's Inequality and Teleportation
分析了利用Buzek-Hillery量子复制机（不一定是通用的量子克隆机）的双比特输出态作为隐形传态通道的可能性。我们证明了在一定的机器参数$ξ$值范围内，两个量子比特的输出态是纠缠的，并且违反了Bell-CHSH不等式;在不同的机器参数范围内，两个量子比特的输出态保持纠缠，但是不违反Bell-CHSH不等式.此外，我们观察到，对于某些值的机器参数的两个量子比特的混合状态可以被用作隐形传态信道。使用Buzek-Hillery克隆机的输出状态作为传送通道，为克隆机提供了额外的吸引力，也为我们目前的工作提供了动力。
2008-09-01 quant-ph
Bounds on absolutely maximally entangled states from shadow inequalities, and the quantum MacWilliams identity
一个纯多体量子态称为绝对最大纠缠态（AME），如果通过追踪至少一半的量子态而得到的所有约化都是最大混合态。最大纠缠存在于每一个二分区中。在许多情况下，这些国家的存在并不清楚。借助于由量子纠错得到的加权计数器机制和广义影子不等式，我们得到了大于2维的AME态存在的新的界.为了完成对重量计数器机器的处理，量子MacWilliams恒等式在Bloch表示中被导出。最后，我们考虑AME状态的子系统具有不同的局部尺寸，并提出了一个例子，为$2 \times3 \times 3 \times 3$系统，显示最大的纠缠在每个bipartition。
2017-11-29 cs.IT math.IT quant-ph
Measures and dynamics of entangled states
我们发展了一种新颖的方法，用于定量表征任意有限维的可能混合的二体和多体量子态的纠缠特性。特别强调的是推导出可靠的估计，允许一个有效的评估一个特定的纠缠措施，并发，为进一步实施在监测的时间演化的多体纠缠下不相干的环境耦合。这里建立的技术机器的灵活性说明了它的实现不同的，现实的实验方案。
2005-05-22 quant-ph
Autonomous multipartite entanglement engines
真正多体纠缠态的产生在实践中具有挑战性。在这里，我们探索了一个新的路线，通过自主纠缠引擎，只使用不相干耦合到热浴和时间无关的相互作用。我们提出了一个通用的机器架构，它允许产生广泛的多体纠缠态的预示的方式。具体来说，给定一个目标多量子比特状态，我们给出了一个充分条件，确保它可以由我们的机器生成。我们详细讨论了Greenberger-Horne-Zeilinger态、Dicke态和团簇态的情况。这些结果表明，纯粹的热资源的潜力，创造多体纠缠态有用的量子信息处理。
2019-05-31 quant-ph
Quantum-aware Transformer model for state classification
Institute of Theoretical and Applied Informatics, Polish Academy of Sciences（波兰科学院理论与应用信息研究所）；University of Maryland, College Park, Department of Civil and Environmental Engineering（马里兰大学学院市分校土木与环境工程系）
针对两体量子态尤其是混合态的纠缠分类难题，提出基于Transformer的无监督预训练数据驱动方法，实现近乎完美的分类准确率，为量子纠缠检测分类自动化提供新路径。
2026-10-26 cs.LG quant-ph
Sample Classification using Machine Learning-Assisted Entangled Two-Photon Absorption
针对纠缠双光子吸收信号微弱导致光谱分析困难的问题，提出利用机器学习训练人工神经网络提取中间能级信息以减少所需数据量，实现了超99%的分类效率。
2025-01-30 physics.optics quant-ph
New perspectives on quantum kernels through the lens of entangled tensor kernels
Sejong University（世宗大学）；Freie Universität Berlin（柏林自由大学）；African Institute for Mathematical Sciences（非洲数学科学研究所）；Stellenbosch University（斯坦伦布什大学）；National Institute for Theoretical and Computational Sciences (NITheCS)（国家理论与计算科学研究所）；Seoul National University（首尔大学）
本文提出纠缠张量核的概念，展示了所有嵌入式量子核都可以被理解为这种核，并探讨了这一视角对量子核的归纳偏置和去量子化方法的启示。
2026-05-20 quant-ph
Loss Behavior in Supervised Learning with Entangled States
本研究探讨纠缠态对量子机器学习模型可训练性的影响，发现最大纠缠训练数据在高表达性模型中导致损失集中，并实验验证纠缠熵可作为可训练性的预测指标。
2025-09-12 quant-ph
Transforming Bell's Inequalities into State Classifiers with Machine Learning
Tsinghua University（清华大学）；Southern University of Science and Technology（南方科技大学）
量子信息科学深刻地改变了我们理解、存储和处理信息的方式。这一领域的一个主要挑战是寻找一种有效的方法对量子态进行分类。例如，人们可能想要确定给定的量子态是否纠缠。然而，完整表征量子态的过程（称为量子态层析成像）通常是消耗资源的操作。一个有吸引力的建议是使用贝尔不等式作为纠缠见证，其中只需要量子态的部分信息。问题是纠缠是必要的，但不足以违反贝尔不等式，使其成为不可靠的状态分类器。在这里，我们的目标是通过机器学习的方法来解决这个问题。更准确地说，给定一个量子态族，我们随机选取其中的一个子集来构建量子态分类器，只接受每个量子态的部分信息。我们的结果表明，这些转换后的贝尔型不等式可以显着优于原来的贝尔不等式分类纠缠态。我们进一步将我们的分析扩展到三量子比特和四量子比特系统，将量子态分类为多个种类。这些结果展示了机器学习中的工具如何应用于解决量子信息科学中的问题。
2017-05-02 cs.LG quant-ph
Entanglement Classification via Witness Operators generated by Support Vector Machine
针对通用纠缠检测方案缺失的问题，本研究用带多项式核的支持向量机分类可分态与纠缠态，在两、三量子比特系统中分别取得最高92%、98%的准确率，并阐释了其对应纠缠见证算符的原理及量子电路实现方式。
2023-01-17 quant-ph
Entangled states considered as physical representations of classical algorithms
我们有充分的理由相信，我们是运行在（有效地）经典机器上的经典算法。然而，由经典确定性模型描述的宇宙中系统的物理状态不包含任何关于模型演化规律的信息，这一事实引起了深刻的哲学悖论。我们详细解释了这些悖论，并表明，一旦我们考虑到在现实世界中，经典的行为作为退相干的结果出现，它们就可以得到解决。然后，我们表明，这种解决方案自然会导致一个数学多元宇宙的想法，最初提出的泰格马克的变体。
2010-09-22 quant-ph
