Evaluation of Dataflow through layers of Deep Neural Networks in Classification and Regression Problems
University of Tehran(德黑兰大学)
本文介绍了两个简单,有效的指标来评估输入数据和数据流经前馈深度神经网络的层。对于分类问题,目标标签的分离率在空间中的最低解释为一个关键因素,表明设计的层在提高网络的泛化性能。根据这一概念,提出了一种基于无形距离的评价指标。类似地,对于回归问题,将目标输出的平滑率解释为指示所设计的层在提高网络泛化能力方面的性能的关键因素。根据所解释的光滑性概念,提出了一种基于距离的光滑性指标。为了更严格地考虑分离和平滑的概念,引入了它们的扩展版本,并通过将回归问题解释为分类问题,证明了分离和平滑指数是相关的。通过四个案例分析,说明了使用该指标的好处。在第一个案例研究中,分类和回归问题,一些已知的输入数据集的挑战性进行了比较,分别由建议的分离和光滑度指标。在第二个案例研究中,通过两个预训练的VGG 16网络的层来评估Cifar10和Cifar100的分类质量。在第三个案例研究中,它表明,正确的分类率和分离指数几乎是相当的通过层,特别是当锯齿指数增加。在最后的案例研究中,两个多层神经网络,这是专为预测波士顿住房价格,逐层比较使用建议的平滑度指标。
2019-06-12 cs.AI cs.CV cs.IT
Measure Inducing Classification and Regression Trees for Functional Data
Politecnico di Milano(米兰理工大学)
我们提出了一种基于树的算法,用于功能数据分析背景下的分类和回归问题,该算法允许在节点级别利用表示学习和多个分裂规则,减少泛化错误,同时保留树的可解释性。这是通过学习加权功能$L^{2}$空间的约束凸优化,然后用于提取多个加权积分功能的输入函数,以确定二进制分裂的树的每个内部节点。该方法被设计为通过定义合适的分裂规则和损失函数来管理多个函数输入和/或输出,所述分裂规则和损失函数可以取决于特定问题,并且还可以与标量和分类数据相结合,因为树是用原始贪婪CART算法生长的。我们专注于一维域上定义的标量值函数输入的情况下,并说明我们的方法在分类和回归任务的有效性,通过模拟研究和四个现实世界中的应用。
2020-10-30 cs.LG stat.ML
Analysis and Design of Quadratic Neural Networks for Regression, Classification, and Lyapunov Control of Dynamical Systems
Concordia University(康考迪亚大学);Queens University(女王大学)
本文讨论了二次神经网络的分析和设计,这是最近在文献中介绍的,以及它们在回归、分类、系统辨识和动态系统控制中的应用。这些网络提供了几个优点,其中最重要的是架构是设计的副产品,并且不是先验确定的,它们的训练可以通过求解凸优化问题来完成,从而实现权重的全局最优,并且输入-输出映射可以通过二次形式解析地表示。从几个例子中还可以看出,这些网络仅使用一小部分训练数据就能非常好地工作。本文的结果将回归、分类、系统辨识、稳定性和控制器设计等问题归结为凸优化问题,可以用多项式时间算法有效地求解。几个例子将显示二次神经网络在应用中的有效性。
2022-07-26 cs.LG math.OC
Robust Regularized Low-Rank Matrix Models for Regression and Classification
University of Central Florida(中佛罗里达大学);State University of New York at Albany(纽约州立大学奥尔巴尼分校)
虽然矩阵变量回归模型已经在许多现有的工作中进行了研究,经典的统计和计算方法的分析的回归系数估计的高度影响高维和噪声矩阵值的预测。为了解决这些问题,本文提出了一个基于秩约束的矩阵变量回归模型框架,向量正则化(例如,稀疏性),以及考虑了三种特殊情况的一般损失函数:普通矩阵回归、稳健矩阵回归和矩阵逻辑斯谛回归。我们还提出了一个交替投影梯度下降算法。通过对有界曲率流形上目标函数的分析,证明了算法的收敛性,迭代的所有聚点都有$O(1/\sqrt{n})$阶的估计误差,且渐近地达到极大极小率.我们的理论分析可以应用到一般的优化问题的流形上有界曲率,可以被认为是一个重要的技术贡献,这项工作。我们通过仿真研究和实际图像数据的例子验证了所提出的方法。
2022-05-14 cs.LG stat.ML
Minimax Rate Optimal Adaptive Nearest Neighbor Classification and Regression
University of California, Davis(加州大学戴维斯分校)
k最近邻(kNN)方法是一种简单而流行的分类和回归统计方法。对于分类和回归问题,现有的工作已经表明,如果特征向量的分布有界的支持和密度函数有界远离零的支持,标准的kNN方法,其中k是相同的所有测试样本的收敛速度,是最小最大最优的。相反,如果分布有无界的支持,我们表明,有一个差距之间的收敛速度实现的标准kNN方法和极大极小界。为了缩小这一差距,我们提出了一种自适应kNN方法,其中不同的k是为不同的样本选择。我们的选择规则不需要精确的知识的基本分布的功能。新提出的方法显着优于标准的。我们刻画了所提出的自适应方法的收敛速度,并表明它符合极大极小下界。
2019-10-22 cs.LG math.ST stat.ML
Re-scale boosting for regression and classification
WenZhou University(温州大学)
Boosting是一种结合弱预测规则以产生强复合估计量的学习方案,其潜在的直觉是可以通过结合“粗糙”规则来获得准确的预测规则。虽然Boosting被证明是一致的和抗过拟合的,但其数值收敛速度相对较慢。本文的目的是开发一种新的助推策略,称为重新缩放助推(RBoosting),以加快数值收敛速度,从而提高学习性能的助推。我们的研究表明,RBoosting具有几乎最优的数值收敛速度,在这个意义上,直到一个对数因子,它可以达到minimax非线性逼近速度。然后,我们使用RBoosting来解决分类和回归问题,并推导出严格的泛化误差估计。理论和实验结果表明,RBoosting在泛化能力方面优于boosting。
2015-05-06 cs.LG stat.ML
Convolutional neural networks for classification and regression analysis of one-dimensional spectral data
Norwegian University of Science and Technology (NTNU)(挪威科技大学(NTNU));Tohoku University(东北大学)
卷积神经网络(CNN)被广泛用于图像识别和文本分析,并且已经被建议应用于一维数据,作为减少对预处理步骤的需要的一种方式。预处理是多变量分析的一个组成部分,但由于大量的可用方法,确定最佳的预处理方法可能是耗时的。在这项工作中,一个CNN的性能进行了研究的光谱数据的分类和回归分析。将CNN与各种其他化学计量学方法进行了比较,包括用于分类的支持向量机(SVM)和用于回归分析的偏最小二乘回归(PLSR)。对原始数据和经过预处理和/或特征选择方法的数据进行比较。这些模型用于基于近红外、中红外和拉曼光谱的方法获得的光谱数据。对于分类数据集,基于正确分类的观察值的百分比评价模型,而对于回归分析,基于决定系数(R $^2$)评估模型。我们的研究结果表明,CNN可以优于标准的化学计量学方法,特别是对于不使用预处理的分类任务。然而,当使用适当的预处理和特征选择方法时,CNN和标准化学计量学方法都可以看到改进的性能。这些结果证明了CNN在一维数据上的一些能力和局限性。
2020-05-15 cs.LG physics.data-an stat.ML
Multiclass classification by sparse multinomial logistic regression
Tel Aviv University(特拉维夫大学);The Open University of Israel(以色列开放大学)
在本文中,我们考虑高维多类分类稀疏多项式逻辑斯谛回归。我们首先提出了一个特征选择过程的基础上惩罚的最大似然模型的大小上的复杂性罚款,并推导出非渐近界的误分类过度风险的分类。我们还建立了相应的极小极大下界推导出他们的紧密性。特别是,我们表明,存在两个政权对应的小和大量的类。在附加的低噪声条件下,可以减小边界。然而,要找到具有复杂性惩罚的惩罚最大似然解,需要在所有可能的模型上进行组合搜索。为了设计一个计算上可行的高维数据的特征选择程序,我们提出了多项式逻辑组Lasso和斜率分类器,并表明它们也实现了极大极小化顺序。
2020-11-19 cs.LG math.ST stat.ME
An optimal quantum sampling regression algorithm for variational eigensolving in the low qubit number regime
鉴于我们目前访问量子处理器的方式(即通过云),VQE算法运行起来非常昂贵。为了缓解这个问题,我们引入了量子采样回归(QSR),这是一种替代的混合量子经典算法,并基于低量子比特数制度下的时间复杂度分析了它的一些用例。为了换取一些额外的经典资源,这种新的策略被证明是最佳的,它需要从量子处理器的样本数量。我们开发了一个简单的分析模型来评估这种算法何时比VQE更有效,并且从相同的理论考虑出发,建立了一个阈值,在该阈值之上可以发生量子优势。最后,我们证明了我们的算法的基准问题的有效性。
2020-12-04 quant-ph
Realizing quantum linear regression with auxiliary qumodes
Guangdong Provincial Key Laboratory of Quantum Engineering and Quantum Materials, and School of Physics and Telecommunication Engineering, South China Normal University(广东省量子工程与量子材料重点实验室,以及华南师范大学物理与电信工程学院);National Laboratory of Solid State Microstructures, School of Physics, Nanjing University(南京大学物理学院固体微结构国家实验室);Department of Physics and Center of Theoretical and Computational Physics, The University of Hong Kong(香港大学物理系和理论与计算物理中心)
为了利用量子优势,量子算法对于用量子计算机操作机器学习是必不可少的。在这里,我们提出了一个有趣的混合方法的量子信息处理的量子线性回归,它利用离散和连续的量子变量,在现有的智慧相反,仅基于离散量子比特。在我们的框架中,数据信息被编码在量子比特系统中,而信息处理则通过量子比特-量子模相互作用使用辅助连续量子模来处理。此外,还阐述了有限压缩对于量子算法在实际系统中的有效运行是非常有帮助的。与全量子比特方法相比,该混合方法在保持指数量子加速的同时,更有效、更可行地实现量子算法。
2019-01-22 cs.AI quant-ph
Rank-based SLOCC classification for odd n qubits
研究了奇n比特纯态在随机局域操作和经典通信(SLOCC)下的纠缠分类。为了这个目的,我们引入了一个奇数n-量子比特状态的秩相对于量子比特i。关于量子比特1,2,...,n产生了奇数n量子比特空间到3^n族的分类。
2011-06-21 quant-ph
Comment: Inductive entanglement classification of four qubits under stochastic local operation and classical communication
L. Lamata等人基于归纳方法提出了在随机局域操作和经典通信(SLOCC)下四个量子比特的纠缠分类[Phys.Rev.A \textbf{75},022318(2007)]。虽然它适用于三个量子位,但我们发现四个量子位的一些家族有重叠,因此这种方法对于SLOCC下四个或更多量子位的纠缠分类无效。
2018-11-19 quant-ph
A classification of entanglement in three-qubit systems
我们提出了一个分类的三量子比特状态的基础上,他们的三个量子比特和减少两个量子比特纠缠。对于纯态,这些准则可以很容易地实现,并且不同的类型可以与局部酉运算下的等价类集相关联。对于混合态,完全三重纠缠的表征一般还没有解决,这里将给出一些部分结果。
2008-05-19 quant-ph
Measurement disturbance tradeoffs in three-qubit unsupervised quantum classification
我们考虑了量子机器学习协议中的测量干扰权衡,这些协议试图学习量子数据。我们研究一个最简单的例子,一个二元分类任务,在无监督制度。具体来说,我们研究了两个量子位的分类,每个量子位都可以处于两个未知状态之一,当添加第三个量子位时,如何影响我们对三个量子位执行后续分类的能力。令人惊讶的是,我们发现了一系列的策略,其中一个非平凡的第一分类不影响第二分类的成功率。然而,在第一和第二分类的成功率之间存在着一个非平凡的测量干扰权衡,我们完全分析了这个权衡。
2022-06-10 quant-ph
Construction of three-qubit biseparable states distinguishing kinds of entanglement in a partial separability classification
我们构造了七种三量子比特的双可分态,证明了Szalay和Kökényesi [S. Szalay和Z. Kökényesi,Phys.Rev.A86,032341(2012)]是非空的。
2019-02-25 quant-ph
Classification of multi-qubit mixed states: separability and distillability properties
我们给出了一个完整的,分层分类的基础上的任意多量子比特混合态的可分性的某些分区。我们引入了一个N-量子比特的家庭,任何状态都可以去极化。这个族可以被看作是维尔纳态到多量子比特系统的推广。我们完全分类这些国家就其可分性和可分性属性。这为任意状态的不可分性和可分性提供了充分条件。
1999-11-10 quant-ph
SLOCC invariant and semi-invariants for SLOCC classification of four-qubits
利用SLOCC不变量和半不变量证明了四量子比特至少存在28个不同的真SLOCC纠缠类,并导出了n量子比特的简并SLOCC纠缠类的个数。
2007-07-31 quant-ph
Regressions on quantum neural networks at maximal expressivity
本文分析通用深度量子神经网络的表达力极限,发现纠缠可增强回归逼近能力,归因于傅里叶谐波存活集增大。
2023-11-10 quant-ph
Unitary Invariants and Classification of Four-Qubit States via Negativity Fonts
局部幺正不变性和负性字体的概念被用作构建8度、12度和24度的四个量子比特不变量的主要工具。一个8阶多项式不变量是非零的纯四个量子比特状态与四体相关和零的所有其他状态,被确定。四个量子比特状态分为七个主要类别,使用标准的基础上的性质的相关性,进行了讨论。
2013-02-21 quant-ph
Polynomial invariants for discrimination and classification of four-qubit entanglement
众所周知,在SLOCC(随机局域操作和经典通信)分类中,纠缠类的数量随着量子比特的数量而增加,并且对于四个量子比特已经是无限的。考虑到实验技术的快速发展,明确区分和分类四个或更多量子比特的纯态的标准是非常可取的,因此是密集的理论研究的焦点。本文利用多项式SL(d,C)不变量给出了一个判别纯N体纠缠态的一般判据。利用这个判据,再现了现有的四比特纠缠的SLOCC分类。在此基础上,我们提出了一个多项式的分类方案,其中家庭被确定通过“纠缠模式”,从而汇集定性和定量描述纠缠。
2011-01-28 quant-ph
Classification using a two-qubit quantum chip
量子计算在推进机器学习算法方面具有超越经典的巨大潜力。尽管成熟的通用量子计算机还不存在,但它对机器学习的预期好处已经可以使用模拟器和现有的量子硬件来显示。在这项工作中,我们专注于使用实际的早期量子硬件进行基于距离的分类。我们扩展了以前的工作,并提出了一个基于距离的分类算法,只使用两个量子比特。我们表明,结果是类似的理论预期的结果。
2020-07-22 quant-ph
Stochastic local operations and classical communication equations and classification of even $n$ qubits
对于任何偶数$n$量子位,我们建立四个SLOCC方程,并构造四个$2^{n/2}$次数的SLOCC多项式(不完全),可以用于任何偶数$n$量子位的SLOCC分类(不完全)。根据SLOCC方程,我们提出了偶$n$量子比特的几种不同的真纠缠态,并通过多项式的消或不消证明了它们在SLOCC下与$|GHZ>$,$|W>$,或$|l,n>$(具有$l$激发的对称Dicke态)是不等价的.多项式的绝对值可以被认为是纠缠度量。
2011-06-17 quant-ph
SLOCC classification for nine families of four-qubits
在Phys. Rev. A 62,062314(2000)中,Dür,Vidal和Cirac指出,对于四个量子比特,有无限多个SLOCC类。Verstraete、Dehaene和Verschelde在Phys.Rev.A65,052112(2002)中提出了对应于纠缠四个量子比特的九种不同方式的九种状态族。在Phys.Rev.A75,022318(2007)中,Lamata等人报道了四个量子位的八个真正的SLOCC纠缠类直到量子位的排列。本文研究了Verstraete、Dehaene和Verschelde提出的九个族的SLOCC分类,并从中区分出49个真正的SLOCC纠缠类。
2009-12-14 quant-ph
SLOCC classification of n qubits invoking the proportional relationships for spectrums and for standard Jordan normal forms
研究了由$n$量子比特的两个SLOCC(随机局域操作和经典通信)等价态的系数矩阵构成的矩阵的谱和标准约当范式(SJNF)的比例关系.在SLOCC条件下,利用谱和SJNF的比例关系,将$n$($\geq 4$)量子比特的纯态分别划分为12组和34族.特别地,对于四个量子比特是真的。
2017-03-05 quant-ph
Inductive Entanglement Classification of Four Qubits under SLOCC
利用作者[Phys.Rev.A74,052336(2006)]最近提出的随机局域操作和经典通信下的多体纠缠态的归纳分类方法,给出了四量子比特纠缠纯态的完全分类.除了预期的简并类,我们发现存在八个不等价的方式纠缠四个量子比特。在这方面,考虑到排列对称性,并且具有仅由连续集合内的参数不同的结构的状态被认为属于同一类。
2007-02-26 quant-ph
Classification of general n-qubit states under stochastic local operations and classical communication in terms of the rank of coefficient matrix
我们解决了一般n比特量子态在随机局域操作和经典通信(SLOCC)下的纠缠分类问题。对于通过局域操作连接的两个任意纯n比特态,我们建立了与态相关的两个系数矩阵之间的方程。系数矩阵的秩在SLOCC下保持不变,并产生了一种简单的方法,将n个量子比特的所有纯态划分为不同的纠缠类家族,如这里所示。当应用于对称态时,这种方法揭示了所有的Dicke态|l,n>,其中l= l,.,[n/2]在SLOCC下不等同。
2012-05-04 quant-ph
Classification of four-qubit entangled states via Machine Learning
我们应用支持向量机(SVM)算法,推导出一组纠缠证人(EW)来识别四量子比特态族中的纠缠模式。支持向量机在实际电子战实现中的有效性源于对等价纠缠量子态族的粗粒度描述。我们的等价性判据是基于随机局域操作和经典通信(SLOCC)分类和四比特纠缠Werner态的描述。我们数值验证了支持向量机方法提供了一个有效的工具,以解决纠缠见证问题时,一个给定的家庭状态的粗粒度描述。我们还讨论和证明了非线性核SVM方法应用于四量子比特纠缠态分类的效率。
2023-03-28 quant-ph
Stochastic local operations and classical communication (SLOCC) and local unitary operations (LU) classifications of n qubits via ranks and singular values of the spin-flipping matrices
我们从$n$量子比特的纯态系数矩阵构造了$\ell $ -自旋翻转矩阵,并证明了当$n$量子比特的两个纯态分别是SLOCC和LU等价时,$\ell $ -自旋翻转矩阵是全等的和酉全等的.该全等性意味着在SLOCC下$\ell $ -自旋翻转矩阵的秩的不变性,然后允许将n个量子比特的SLOCC分类简化为计算$\ell $ -自旋翻转矩阵的秩。酉同余意味着在LU下$\ell $ -自旋翻转矩阵的奇异值的不变性,然后允许将n个量子比特的LU分类减少到计算$\ell $ -自旋翻转矩阵的奇异值。进一步证明了$\ell $ -自旋翻转矩阵$Ω_{1}^{(n)}$奇异值的不变性意味着偶$n$量子比特的并发不变性和奇$n$量子比特的n-纠缠不变性.因此,并发度和n-tangle可以用于LU分类和计算并发度,并且n-tangle仅执行状态系数的加法和乘法。
2018-05-03 quant-ph
The inductive entanglement classification yields ten rather than eight classes of four-qubit entangled states
Lamata等人使用归纳方法对随机局部操作和经典通信(SLOCC)下四个量子比特的纠缠纯态进行分类[PRA 75(2),022318(2007)]。归纳法产生了先验的10个不同的纠缠超类,其中3个被认为是空的。剩下的超类中的一个被分成两个,导致八个真正的四量子比特纠缠的超类。在这里,我们证明了三个被丢弃的超类中的两个实际上是非空的,应该被保留。我们给出了明确的表达式为这些超类的典型状态,SLOCC和量子比特排列。此外,我们确认第三个被丢弃的超类确实是空的,在归纳分类方案下总共产生了十个真正的四量子比特纠缠超类。
2016-11-07 quant-ph
Entangled graphs: A classification of four-qubit entanglement
我们利用带加权边的\textit{entangled graphs}的概念对四比特纠缠进行了分类,这种分类既不基于LOCC也不基于SLOCC。首先由Plesch等人[Phys.Rev.A67,(2003)012322]引入的纠缠图是这样的结构,使得多量子比特系统的每个量子比特被表示为顶点,并且两个顶点之间的边表示对应量子比特之间的二分纠缠。我们的分类是基于多量子比特系统的纯态的广义施密特分解的使用。我们表明,对于每一个可能的纠缠图,可以找到一个纯态,使减少纠缠的每一对,测量并发,代表的重量在图中相应的边缘。我们还使用三方和四方并发的概念作为一个适当的措施,全球纠缠的国家。在这种情况下,包含图形的圆圈表示全局纠缠的存在。
2016-04-25 quant-ph
Classification of Tripartite Entanglement with one Qubit
本文提出了一种方法来求出三重纠缠纯态的分解,使之小于两个连续的Schmidt分解。当其中一个子系统是量子比特时,该方法变得非常简单。在这种特殊情况下,我们根据它们的分解得到状态的分类。此外,我们还利用这种方法对可以通过随机局域操作和经典通信(SLOCC)相互转换的纠缠态进行了分类。更一般的三方系统进行了简要讨论。
2005-10-12 quant-ph
Partially separable criterion and classification of states in multipartite systems with an arbitrary finite number of qubits
在引入部分可分的概念后,我们证明了在具有任意有限$n(>m)$量子位的多体系统中,一个给定的具有$m$量子位的$m$ -partite子系统的部分可分性与该$m$ -partite子系统的纯态之间的等价性.进一步给出了该定理的运算实现(推论),它们是状态部分可分性的充分必要判据,可用于状态分类。我们的结果有助于理解和描述多体系统中的量子纠缠。
2003-05-20 quant-ph
Hybrid Quantum-Classical Learning for Multiclass Image Classification
Department of Computer Science and Engineering, Brac University, Dhaka 1212, Bangladesh(计算机科学与工程系,布拉大学,达卡1212,孟加拉国);Blackett Laboratory, Imperial College London, London SW7 2AZ, United Kingdom(布莱克特实验室,帝国理工学院伦敦分校,伦敦SW7 2AZ,英国)
针对多类图像分类问题,提出混合量子-经典架构,复用NISQ-QCNN池化后废弃的纠缠量子比特信息,结合保留量子比特测量结果与经典FC层,在三个数据集上性能优于可比轻量级模型,为混合模型提供新方向。
2025-08-25 cs.LG quant-ph
Local Unitary Equivalent Classes of Symmetric N-Qubit Mixed States
对称$ N $ -量子比特纯态的Majorana表示已成功地用于纠缠分类。由于在构造对称混合态的Majorana几何表示时所面临的困难,这一问题的推广一直是一个悬而未决的问题。我们已经克服了这个问题,通过开发的方法分类本地酉(LU)等价类的对称$N$ -量子比特混合态的基础上的几何多轴表示(MAR)的密度矩阵。除了基于MR的对称纯态纠缠分类所定义的两个参数,即多样度和简并构型外,我们还证明了对称混合态分类还需要引入另一个参数秩.我们的分类方案是更一般的,因为它可以适用于纯态和混合态。为了揭示MR和MAR之间的异同,我们选取了$ N $ -量子比特GHZ态进行了详细的研究。我们的结论是基于MR的纯态分类不是我们基于MAR的分类方案的特例。我们还给出了识别最一般的对称$N$ -量子比特纯可分态的方法。我们的方法的权力证明使用几个著名的对称两个量子比特纯态和混合态以及三个量子比特纯态的例子。详细研究了实验室中可以制备的单轴、双轴和三轴对称两量子比特混合态的分类。
2013-10-26 quant-ph
Classification of mixed three-qubit states
我们介绍了一种混合三量子比特态的分类,在其中我们定义了可分离,双可分离,W-和GHZ-状态的类。这些类依次嵌入到彼此中。我们证明了与纯W-型态相反,混合W-类的测度不为零。我们构造证人运营商检测类的混合状态。讨论了部分正转置纠缠态(PPTES)属于W类的猜想。最后,我们提出了一个新的家庭的PPTES“边”的最大秩的状态。
2001-03-07 quant-ph
Classification of nonlocal two-qubit gates using Schmidt number
由Schmidt分解可知,非定域两量子比特量子门的Schmidt数为2或4。我们确定条件的几何点的门有施密特数2。一个简单的分析表明,施密特数2对应于控制酉门与CNOT是唯一的完美纠缠。此外,它表明,施密特强度和纠缠功率是最大的控制酉家庭中的CNOT。
2010-03-31 quant-ph
Polynomial invariants of degree 4 for even-$n$ qubits and their applications in entanglement classification
我们发展了一种简单的方法来构造偶数-$n$量子比特的4次多项式不变量,并给出了这些多项式不变量的显式表达式。证明了该多项式在随机局域操作和经典通信下的不变性,并讨论了该不变性在纠缠态分类中的应用。这些多项式不变量的绝对值是纠缠单调的,从而允许建立纠缠措施。最后,我们讨论了这些纠缠度量的性质。
2013-08-11 quant-ph
Classification of the Subgroups of the Two-Qubit Clifford Group
Joint Center for Quantum Information and Computer Science, NIST/University of Maryland(量子信息与计算联合中心,美国国家标准与技术研究院/马里兰大学)
该研究完成了包含两量子比特Pauli群的两量子比特Clifford群全部56个子群的分类,给出对应生成元并对照GAP群库索引,还列出了Clifford层级更高级别的若干群族。
2024-09-22 math-ph math.GR math.MP
Complexity classification of two-qubit commuting hamiltonians
我们根据计算复杂度对两量子比特交换哈密顿算子进行了分类。假设一个人有一个两量子比特的可交换哈密顿量H,可以应用于任何一对量子比特,从计算基态开始。我们证明了一个二分法定理:或者该模型是有效的经典可模拟的,或者它允许从概率分布中采样,除非多项式层次崩溃,否则不能从经典中采样。此外,唯一可模拟的哈密顿量是那些不能产生纠缠的哈密顿量。这表明,通用的两量子比特交换哈密顿算子可以用于执行在合理假设下经典计算机难以处理的计算任务。我们的证明利用了新的后选择工具和Lie理论。
2016-02-12 cs.CC quant-ph
Image Compression and Classification Using Qubits and Quantum Deep Learning
Department of Computer Science(计算机科学系);Stanford University(斯坦福大学)
最近的工作表明,量子机器学习技术可以用于经典的图像分类,通过编码的图像在量子态和使用量子神经网络进行推理。然而,此类工作仅限于非常小的输入图像,最多4 x 4,这是不现实的,甚至无法由人类准确标记。使用更大的输入图像的主要困难在于,迄今为止提出的编码方案需要比物理上可实现的更多的量子位。我们提出了一个框架来分类较大的,现实的图像使用量子系统。我们的方法依赖于一种新的编码机制,该机制将图像嵌入量子态中,同时需要比先前工作更少的量子比特。我们的框架能够对比以前可能的更大的图像进行分类,对于个人笔记本电脑上的MNIST数据集,最大可达16 x 16,并且获得了与具有相同数量的可学习参数的经典神经网络相当的准确性。我们还提出了一种技术,用于进一步减少表示图像所需的量子位的数量,这可能会导致以牺牲最终性能为代价的更容易的物理实现。我们的工作使量子机器学习和分类的经典数据集的尺寸,以前是棘手的物理可实现的量子计算机或经典模拟
2021-10-08 cs.LG eess.IV quant-ph
An alternative representation for pure symmetric states of qubits and its applications to entanglement classification
我们证明了量子比特的绝大多数对称态可以以一种独特的方式分解为自旋1/2相干态的叠加。对于两个量子比特的情况,所提出的分解再现了施密特分解,因此,在更高数量的量子比特的情况下,可以被认为是其推广。我们分析了几何方面的建议表示和其不变性质的作用下的本地酉和本地可逆变换。作为一个应用,我们确定了最一般的类纠缠和代表性的任何数量的量子比特的对称状态。
2015-06-24 quant-ph
Linear Regression Using Quantum Annealing with Continuous Variables
针对现有量子退火线性回归需增加量子比特数来提升精度的局限,提出一种利用玻色子连续变量直接进行优化的新型量子退火线性回归方法,在满足绝热条件下可确保精度且无需增加量子比特。
2024-10-11 physics.data-an quant-ph
Entanglement Classification of Restricted Greenberger-Horne-Zeilinger Symmetric States in Four-Qubit System
类似于三量子比特的Greenberger-Horne-Zeilinger(GHZ)对称性,我们研究了四量子比特的GHZ对称群及其子群,称之为限制GHZ对称群。在全群变换下的对称态集合由三个实参数表示,而在子群变换下的对称态集合由两个实参数表示。在比较了整体和子群的对称态后,研究了后者的纠缠。证明了该集合只有两个SLOCC类:$L_{abc_2}$和$G_{abcd}$。扩展到多量子比特系统的简要讨论。
2014-05-21 quant-ph
Calculation of entanglement in graph states up to five-qubit based on generalized concurrence
基于广义同现,提出了一种新的图态纠缠分类方法。数值计算结果表明,三类八种不同的三量子比特图态、五类64种不同的四量子比特图态和十类1024种不同的五量子比特图态。我们还比较了这种分类与这些图状态的等价类下的局部互补(LC)算子,所得到的结果表明,广义并发分类是不矛盾的LC-规则。
2016-10-08 quant-ph
Classification of qubit cellular automata on hypercubic lattices
本研究针对超立方格上冯·诺依曼邻域的量子比特元胞自动机,按有限深度量子电路可实现性分类,给出通用结构,模拟演化并测算胞元与环境的纠缠产生速率。
2025-09-05 quant-ph
Classification of n-qubit states with minimum orbit dimension
局部么正变换群作用于n量子比特纯态空间,将其分解为轨道。在以前的论文中,我们证明了单态的乘积(对于奇数量子比特的系统,加上一个未纠缠的量子比特)达到了最小的可能轨道维数,对于n偶数等于3 n/2,对于n奇数等于(3 n + 1)/2,其中n是量子比特的数量。本文证明了任何具有最小轨道维数的态都必须是这种形式,并且通过纠缠在单态中的量子比特对的集合将这种态分类为局域幺正等价态。
2006-02-22 math-ph math.MP quant-ph
Detection and Classification of Three-qubit States Using $l_{1}$ Norm of Coherence
纠缠是一种纯粹的量子力学现象,因此它没有经典的类似物。另一方面,相干性是经典光学和量子力学中的一个众所周知的现象。最近的研究表明,量子相干性可能成为量子信息理论的一个有用的资源。我们将利用量子相干性对三比特态的纠缠特性进行检测和分类。此外,我们已经证明,如果任何三量子比特状态违反了检测一般的双可分状态的另一个必要条件,那么给定的三量子比特状态不能是双可分状态。由于三量子比特系统只有三类状态,所以如果我们检测到被探测的状态既不是可分状态也不是双可分状态,那么我们可以肯定地得出结论,给定的三量子比特状态是真正的纠缠态。我们用几个例子说明了我们的结果。
2023-02-11 quant-ph
Classical Ensembles of Single-Qubit Quantum Variational Circuits for Classification
University of KwaZulu-Natal(夸祖鲁-纳塔尔大学);National Institute for Theoretical and Computational Science (NITheCS)(理论与计算科学国家研究所);Centre for Artificial Intelligence Research (CAIR)(人工智能研究中心);Stellenbosch University(斯坦伦布什大学)
针对单量子比特QAUM分类架构受NISQ设备相干时间限制的问题,本研究采用经典bagging和boosting技术构建其集成模型,在多个数据集上实现准确率提升,为分类任务提供新方案。
2023-02-06 quant-ph
Entanglement generation in qubit-ADAPT-VQE through four-qubit algebraic classification
本研究探讨了qubit-ADAPT-VQE算法在四粒子系统中生成高纠缠基态的能力,通过代数分类识别不同纠缠类别并验证算法的鲁棒性。
2025-12-12 quant-ph
N-qubit Entanglement Index and Classification
我们证明了所有的N-量子比特态可以被分为N个纠缠类,每个纠缠类都有一个纠缠指数$E=N-p=0,1,...,N-1$(E=0对应于一个完全分离的类),其中$p$表示正整数N的一个分区的群的数量。换句话说,对于具有$n_j\ge 1$和$N=\sum_{j=1}^{p}n_j$的N的任何分区$(n_1,n_2,...,n_p)$,表示$n_j-$量子比特的完全纠缠态的具有$ρ_{n_j}$的对应状态$ρ_{n_1}\bigotimesρ_{n_2}...\bigotimes ρ_{n_p}$的纠缠指数是$E(ρ_{n_1}\bigotimesρ_{n_2}...\bigotimes ρ_{n_p})=\sum_{j=1}^{p}(n_j-1)=N-p$。
2002-11-21 quant-ph
A Finite-Geometric Classification of Three-Qubit Mermin Pentagrams
考虑到三量子比特辛极空间具有三种不同的可观测量,并且其每个标记的Fano平面都获得了明确的符号,我们发现在这个空间中有45种不同类型的Mermin五边形。我们分类的一个关键因素是这样一个事实,即任何这样的五角星形的背景是与一个独特的(正或负)法诺平面。五角形的三量子比特可观的字符和“价值”相关联的法诺平面之间的几个有趣的关系被指出。特别是,我们发现了两种不同的负面背景和多达四个积极的。
2019-11-26 math-ph math.CO math.MP
Classification and monogamy of three-qubit biseparable Bell correlations
我们加强了Sun & Fei [Phys.Rev.A74,032335(2006)]提出的Bell型不等式的集合,该不等式给出了三重量子系统中的双可分关联和纠缠的分类。我们将进一步考虑对局部正交自旋观测量的限制,并证明这加强了所有以前已知的这种三方不等式。我们发现的二次不等式表明一种最大可分三粒子量子关联的一夫一妻制,虽然非最大的可以共享。这是对比最近发现的一夫一妻制的不平等,在三方系统的二分贝尔相关。
2007-05-29 quant-ph
On the convex cones arising from classifications of partial entanglement in the three qubit system
为了对多体态的部分纠缠进行分类,很自然地要考虑从部分可分态得到的基本凸锥关于系统划分的凸包、交和差。在本文中,我们考虑凸锥组成的X形的三个量子比特状态,以这种方式产生。X形态的类别包括重要的类别,如Greenberger-Horne-Zeilinger对角态。我们发现这些凸锥的所有极端射线表现出相应的部分可分状态。我们还给出了这些锥的特征,这些锥在一般三量子比特态的对角和反对角项方面产生了必要的准则。
2019-11-14 quant-ph
Optimal Classification of Three-Qubit Entanglement with Cascaded Support Vector Machine
Department of Engineering Science, College of Engineering, University of Tehran, Iran(德黑兰大学工程学院工程科学系)
本文提出基于级联支持向量机的三量子比特纠缠分类框架,通过优化特征重要性分析提高分类准确率和效率。
2026-02-17 quant-ph