A nonlinear quantum neural network framework for entanglement engineering
Università degli Studi di Palermo（巴勒莫大学）
本文提出了一种非线性量子神经网络框架，用于在噪声量子设备中高效生成多体纠缠，通过引入非线性激活函数和优化电路拓扑，实现可扩展的纠缠工程。
2026-03-11 quant-ph
Learning entanglement from tomography data: contradictory measurement importance for neural networks and random forests
本文对比神经网络与随机森林从两量子比特层析数据学习纠缠，发现二者依赖的关键测量相反，并可利用其噪声响应差异提升含噪纠缠推断可靠性。
2025-07-24 quant-ph
Quantum neural computation of entanglement is robust to noise and decoherence
在以前的工作中，我们已经提出了一个一般多量子比特状态的纠缠指示器，它可以被量子系统“学习”，作为一个神经网络。该指标可用于纯状态或混合状态，并且不需要“接近”任何特定状态;此外，随着系统规模的增长，所需的额外培训量就会减少。在这里，我们表明，该指标是稳定的噪声和退相干。
2015-11-09 quant-ph
Computing Entanglement Polytopes
在arXiv：1208.0365中，引入纠缠多面体作为多体纠缠的SLOCC分类的粗化。用纠缠多面体对纠缠进行分类的优点是对所有维度都有一个有限的层次，并且一些参数在系统大小上是线性的。在arXiv：1208.0365中，提出了一种使用几何不变理论计算纠缠多面体的方法。在这篇论文中，我们考虑其他方法来计算它们。一些几何和代数的工具，可以用来计算不等式给出的纠缠多面体的外部近似。此外，我们提出了一种数值方法，在理论上，可以计算任何给定的SLOCC类的纠缠多面体给定的代表。利用它对$2 \times 3 \times N$系统的纠缠多面体进行了分类。
2018-08-09 quant-ph
Measuring entanglement of a rank-2 mixed state prepared on a quantum computer
我们研究了在量子计算机上制备的二阶混合态中某个量子比特与剩余系统之间的纠缠。该协议，我们提出了为此目的，是基于量子比特之间的相关性的纠缠的几何测量的关系。作为特殊情况，我们考虑了两量子比特秩为2的混合态，得到了纠缠度与纠缠几何测度的关系。在ibmq-melbourne量子计算机上，我们测量了由薛定谔猫态组成的2-和4-量子比特混合量子态的纠缠几何度量.我们研究了纠缠度对定义纯态权的参数的依赖关系。最后，我们确定了两量子比特混合态的并发度。
2021-05-21 quant-ph
Low resource entanglement classification from neural network interpretability
IMDEA Networks（IMDEA网络研究所）；Departamento de Física, Universidad Carlos III de Madrid（马德里卡洛斯三世大学物理系）；Instituto de Ciencia de Materiales de Madrid (CSIC)（马德里材料科学研究所（西班牙国家科学研究委员会））
本研究提出了一种统一且可解释的神经网络框架，用于低资源条件下两比特和三比特态的SLOCC纠缠分类，通过Shapley值分析提升模型可解释性。
2026-02-04 quant-ph
Measuring Quantum Entanglement from Local Information by Machine Learning
纠缠是量子技术发展和量子多体模拟研究中的一个关键性质。然而，纠缠测量通常需要量子全态层析成像（FST）。在这里，我们提出了一个神经网络辅助的协议，用于测量局域哈密顿量的平衡态和非平衡态的纠缠。代替FST，它可以从单量子比特或双量子比特的泡利测量中学习全面的纠缠量，例如雷尼熵，部分转置（PT）矩和相干性。同样令人兴奋的是，我们的神经网络能够仅使用前一次的单量子位轨迹来学习未来的纠缠动力学。此外，我们进行实验，使用核自旋量子处理器和训练自适应神经网络来研究纠缠在一个一维自旋链的基态和动力学状态。通过测量基态中的静态纠缠，揭示了量子相变（QPT），并在动力学态中精确估计了测量时间以外的纠缠动力学.这些精确的结果验证了我们的神经网络。我们的工作将在量子多体系统中有广泛的应用，从量子相变到有趣的非平衡现象，如量子热化。
2022-09-18 quant-ph
Evidence of the entanglement constraint on wave-particle duality using the IBM Q quantum computer
我们在IBM Q量子计算机上用超导量子比特实验验证了纠缠与二体量子系统中波粒二象性之间的联系。我们考虑了纯态和混合态，并研究了态的纯度对观测Jakob和Bergou的互补“三重性”关系的影响。这项工作证实了定量完成本地玻尔的互补性原则的非局域量子纠缠典型的一个真正的二分量子系统。
2020-12-24 quant-ph
Entanglement in quantum computers described by the XXZ model with defects
我们研究了如何在具有缺陷的XXZ模型的哈密顿系统中产生最大纠缠态。一些提出的量子计算机就是用这样的模型来描述的。我们展示了当考虑一个或两个激发时，如何使用缺陷来获得EPR态和W态。
2003-03-26 quant-ph
Certifying Unknown Genuine Multipartite Entanglement by Neural Networks
假设我们有一个未知的多体量子态，我们如何通过实验来确定它是否是真正的多体纠缠态？回想一下，即使对于一个密度矩阵已知的二分量子态，要确定它是否纠缠也已经是NP困难的。因此，通常难以有效地解决上述问题。然而，由于真正的多体纠缠是这样一个基本概念，在多体物理和量子信息处理任务中起着至关重要的作用，找到现实的方法来证明真正的多体纠缠无疑是必要的。在这项工作中，我们表明，神经网络可以提供一个很好的解决这个问题，测量统计数据所产生的测量所涉及的量子态与本地测量设备作为神经网络的输入功能。通过对多体量子态的测试，我们发现这些模型可以非常准确地证明真实的多体纠缠，甚至包含了一些新的结果。我们还展示了一种可能的方法来提高我们的模型的效率，通过减少功能的大小。最后，我们证明了我们的模型对测量设备中的缺陷具有显着的鲁棒性，这意味着它们非常适合实验。
2022-11-15 quant-ph
Entanglement of graph states of spin system with Ising interaction and its quantifying on IBM's quantum computer
我们考虑了具有伊辛哈密顿量的演化算符生成的图态。在IBM的量子计算机IBM Q Valencia上，解析地获得了图态中一个自旋与其他自旋纠缠的几何度量，并进行了量化。量子计算结果与理论计算结果符合得很好。我们得出结论：图态中一个自旋与其他自旋纠缠的几何度量与对应图中代表该自旋的顶点的度有关。
2021-01-26 quant-ph
Entanglement entropy production in Quantum Neural Networks
本文利用矩阵积态研究多达五十量子比特的随机参数 QNN，揭示其纠缠随深度趋向 Haar 随机态，并提出“纠缠速度”度量。
2023-05-24 quant-ph
Entanglement Classification of Arbitrary Three-Qubit States via Artificial Neural Networks
本研究设计并实现了前馈神经网络，仅利用密度矩阵的部分对角元素即可高效检测和分类三量子比特系统的纠缠，在降低输入数据需求的同时保持约98%的高准确率，且对白噪声具有鲁棒性。
2024-11-18 quant-ph
Genuine multipartite entanglement verification with convolutional neural networks
本文提出用CNN及SE增强CNN检测真正多体纠缠，在半定规划生成的4至20量子比特态上验证了SE模块提升分类性能并降低误判率。
2025-08-19 quant-ph
Entanglement detection with classical deep neural networks
本文提出用经典多层感知器检测和分类量子纠缠，在两量子比特和三量子比特系统上分别取得接近完美和超过90%的准确率，并实现最高77%的三量子比特纠缠态分类成功率。
2024-10-18 quant-ph
Entanglement in a quantum neural network based on quantum dots
我们研究了由具有偶极-偶极相互作用的量子点阵列构成的量子神经网络中节点之间的量子关联。通过准绝热路径积分模拟共声子浴中的密度矩阵演化，我们证明了在液氮温度77 K及以上，这种系统的相干性仍然存在。通过计算典型量子点尺寸为几个纳米、点间距为相同数量级的量子点对的形成纠缠，研究了量子点间的量子关联。我们已经证明，所提出的量子神经网络可以保持量子点对的纠缠态的混合到上述高温。
2017-03-11 quant-ph
Detecting entanglement by the mean value of spin on a quantum computer
我们实现了一个协议来确定量子比特和量子计算机上系统其余部分之间的纠缠度。该方案基于论文[Frydryszak et al.（2017）]中获得的结果。该协议在IBM公司提供的5量子比特超导量子处理器ibmq-ourense上进行了测试。我们测量了在该装置上制备的薛定谔猫态和维尔纳态的纠缠度，并与理论值进行了比较。此外，还提出了一个确定二阶混合态纠缠度的方案。我们将此方案应用于在ibmq-ourense量子器件上制备的由两个Bell态组成的混合态。
2020-05-31 quant-ph
An efficient algorithm to compute entanglement in states with low magic
提出一种利用稳定子码分解纠缠的高效经典算法，用于计算低稳定子零化度量子态的冯·诺依曼熵和纠缠谱，可应用于稀疏T掺杂电路及高纠缠魔法态，并支持量子设备上熵的高效学习。
2025-10-07 quant-ph
Geometric measure of entanglement of multi-qubit graph states and its detection on a quantum computer
研究了受控相移算符作用于系统的可分量子态所产生的多量子位图态，其中所有量子位处于任意相同的态。对于任意图表示的图态，给出了一个量子比特与其他量子比特纠缠的几何度量。纠缠度取决于量子比特顶点的度数、相移门参数的绝对值以及相移门作用的态参数，并且在量子计算机$\textrm{ibmq\_athens}$上对图态的纠缠度进行了几何量化.在量子器件上得到的结果与解析结果符合得很好。
2021-06-20 quant-ph
Entanglement Forging with generative neural network models
量子和经典计算技术的最佳使用对于解决单靠量子计算无法轻松解决的问题非常重要。这就是量子多体系统的基态问题的情况。我们在这里表明，概率生成模型可以与量子算法结合使用，以设计混合量子-经典变分ansätze，从而形成纠缠以降低量子资源开销。变分ansätze包括两个独立的量子寄存器上的参数化量子线路，以及一个经典的生成神经网络，可以通过学习整个系统的施密特分解来纠缠它们。所提出的方法是有效的，在所需的测量数量，以达到固定的精度上的预期值的观测。为了证明它的有效性，我们进行了数值实验的横向场伊辛模型在一维和二维，和费米子系统，如t-V哈密顿的无自旋费米子的晶格。
2022-05-02 quant-ph
Hybrid Quantum-Classical Learning of Nonlinear Entanglement Witnesses via Continuous-Variable Quantum Neural Networks
该研究提出一种混合量子-经典框架，利用连续变量量子神经网络直接从量子数据学习非线性纠缠见证，在双模和三模上实现超99%分类准确率，并证明其理论近似能力，为数据驱动量子态表征提供新途径。
2025-09-07 quant-ph
Implementation of a quantum algorithm to solve Bernstein-Vazirani's parity problem without entanglement on an ensemble quantum computer
Bernstein和Varizani给出了第一个解决奇偶性问题的量子算法，其中出现了对经典信息理论界的强破坏。本文对该算法进行了改进，并首次在系综量子计算机上实现了一次查询两个量子比特的算法。
2000-12-21 quant-ph
Neural network-based multipartite entanglement classification with prior guidance from quantum uncertainty relations
School of Physics, Beihang University（北京航空航天大学物理学院）
本文提出一种以多体不确定关系为先验引导的神经网络方法，用于SLOCC多体纠缠分类，在20量子比特系统中达到99.5%的准确率，兼具高效性、可扩展性和鲁棒性。
2026-09-22 quant-ph
Entanglement in a 20-Qubit Superconducting Quantum Computer
为了实现更大规模的量子算法，制备具有完全量子位控制的相当大的多量子位纠缠态的能力被用作量子技术的基准。我们调查在20量子比特超导量子计算机IBM Q Poughkeepsie上，在一个准备好的图形状态中发现纠缠的程度。我们沿着Poughkeepsie内所有20个量子比特组成的路径制备了一个图态，并对沿着这条路径的所有四个相连的量子比特组进行了全量子态层析，我们确定每对相连的量子比特是不可分割的，因此制备的态是纠缠的。此外，一个真正的多体纠缠见证上的所有量子比特子路径的图形状态，我们发现真正的多体纠缠链上的三个量子比特。
2021-01-11 quant-ph
Entangling remote microwave quantum computers with hybrid entanglement swap and variational distillation
具有约瑟夫森结的超导微波电路是量子计算的主要平台。为了充分发挥其能力，需要多个微波超导电路的协同操作。因此，设计一个有效的协议来远程分发微波纠缠成为一个关键的开放问题。本文提出了一种基于光-微波纠缠产生的连续变量纠缠交换方法，与传统方法相比，该方法在最先进的参数范围内将最终速率提高了两个数量级。我们进一步授权的协议与混合变分纠缠蒸馏组件提供巨大的优势，在不确定性与成功概率的权衡。我们的协议可以实现与近期的设备性能，并对非完美，如光损耗和噪声是强大的。因此，我们的工作为超导微波量子计算机提供了一种实现高效量子链路的实用方法。
2022-06-29 quant-ph
Using quantum computers to identify prime numbers via entanglement dynamics
针对谐振子纠缠动力学识别素数的理论构想，本文提出推广方法与确定性算法，使其可在容错量子比特量子计算机上实现，并证明所用对角酉运算仅具二次时间复杂度。
2024-08-08 quant-ph
Transfer learning in predicting quantum many-body dynamics: from physical observables to entanglement entropy
本文展示预训练于物理观测量的神经网络可隐式学习波函数表示，并用于增强纠缠熵预测，实现更少资源、更高精度的动力学学习。
2024-05-25 quant-ph
Generalization and Demonstration of an Entanglement Based Deutsch-Jozsa Like Algorithm Using a 5-Qubit Quantum Computer
本文通过提出一种算法来演示量子加速中纠缠资源的使用，该算法是Goswami和Panigrahi [arXiv：1706.09489（2017）]提出的算法的推广。我们推广的算法，并表明，它提供了确定性的解决方案，具有优于经典算法。该算法回答了给定函数是否为常数或平衡以及两个函数是否相等或不相等的问题。最后，我们使用IBM的五量子比特量子计算机进行了实验验证，具有高保真度。
2018-05-22 quant-ph
Quantum Phase Transition of Ground-state Entanglement in a Heisenberg Spin Chain Simulated in an NMR Quantum Computer
利用核磁共振量子计算机，我们在实验上模拟了海森堡自旋链的量子相变。用多脉冲序列产生哈密顿量，在核自旋系统的（伪纯）基态中制备有效哈密顿量，并使海森堡链从乘积态变为纠缠态，最后变为不同的乘积态.
2004-11-08 quant-ph
Exploiting non-quantum entanglement to widen applicability of limited-entanglement classical simulations of quantum systems
众所周知，如果所提出的量子计算机中的量子门是如此嘈杂，以至于它们不能产生纠缠，那么该设备可以有效地进行经典模拟。如果测量和单粒子操作受到限制，那么对于广义的非量子纠缠概念，同样的陈述也是正确的。在这里，我们表明，这可以提高有限纠缠模拟算法的适用性。特别是，我们表明，通过使用一个非量子概念的可分性的经典模拟算法的哈罗和尼尔森可以有效地模拟魔态量子计算机与噪声hocTs（但在其他方面是理想的）的联合去极化强度为272/489 ~ 56%，相比，如果该算法使用量子概念的可分性所需的噪声水平为2/3 ~ 66%。这表明，在讨论基于稳定器的量子计算机的能力时，量子纠缠可能不是最合适的纠缠概念。
2012-01-03 quant-ph
Variational determination of multi-qubit geometrical entanglement in NISQ computers
量子比特和量子操作的物理实现中的当前噪声水平限制了传统方法表征纠缠的适用性。在这种不利的情况下，我们采用量子变分方法来估计多量子比特纯态纠缠的几何度量。该算法只需要单量子位门和测量，因此非常适合NISQ设备。这通过在IBM Quantum设备上成功实现$3$、$4$和$5$量子位的Greenberger-Horne-Zeilinger态的方法来证明。随机状态下的数值仿真表明了该方法的鲁棒性和准确性。该协议的可扩展性通过矩阵乘积状态技术的数值证明了高达$25$量子比特。
2022-04-28 quant-ph
Digital quantum simulation of quantum gravitational entanglement with IBM quantum computers
本文报道了用引力方法产生量子纠缠的哈密顿量的数字量子模拟。特别是，我们专注于一对量子谐振子，其相互作用通过一个量子引力场产生单模压缩在两个模式在同一时间，在量子光学中的非标准过程。我们执行一个玻色子量子比特映射和特定的IBM量子器件的数字门分解。我们使用错误缓解和后选择，以实现高保真度，访问一个参数制度的直接实验范围。
2023-02-08 quant-ph
Dual-Qubit Hierarchical Fuzzy Neural Network for Image Classification: Enabling Relational Learning via Quantum Entanglement
Zhejiang Gongshang University（浙江工商大学）；University of Sussex（萨塞克斯大学）
本文提出双量子比特分层模糊神经网络，通过量子纠缠实现特征对的关系建模，提升图像分类性能和鲁棒性。
2025-12-15 quant-ph
Detection of many-body entanglement partitions in a quantum computer
Autonomous University of Barcelona（巴塞罗那自治大学）；QuSoft；University of Amsterdam（阿姆斯特丹大学）；National University of Singapore（新加坡国立大学）
本文提出基于系统固有对称性、结合弱Schur采样的多体纠缠划分检测方法，可在量子计算机实现，覆盖多类纠缠结构，还推导了相关矩阵不等式新结论。
2025-11-17 quant-ph
Predicting the von Neumann Entanglement Entropy Using a Graph Neural Network
本文提出用图神经网络从实验比特串直接预测冯·诺依曼纠缠熵，在Rydberg阶梯系统上取得优于经典互信息界限的精度，并通过小数据集微调提升外推性能。
2025-07-04 quant-ph
Entanglement and optimization within autoregressive neural quantum states
Institute for Theoretical Physics, ETH Zurich（苏黎世联邦理工学院理论物理研究所）；Vector Institute（向量研究所）；Politécnico Colombiano JIC（哥伦比亚JIC理工学院）；Center for Computational Quantum Physics, Flatiron Institute（平顿研究院计算量子物理中心）
本文研究了自回归神经量子态的纠缠特性，提出平方模归一化以恢复纠缠，并将其与变分蒙特卡罗方法的初始化策略联系起来。
2026-02-10 cond-mat.dis-nn quant-ph
Entanglement Area Law for Shallow and Deep Quantum Neural Network States
研究了量子多体态的人工神经网络表示。详细研究了浅量子神经网络和深量子神经网络中态的局域性和纠缠特性。通过引入局域准积态的概念，证明了局域连接的浅前馈神经网络态和限制玻尔兹曼机态的Rényi纠缠熵服从纠缠面积定律.此外，我们还研究了深度玻尔兹曼机态的纠缠特性，并证明了施加在神经网络上的局域性约束使态服从纠缠面积定律。最后，作为应用，我们应用雷尼纠缠熵的概念来理解神经网络的能力，并表明，图像分类问题，可以有效地解决必须遵守面积定律。
2020-03-08 cond-mat.str-el physics.comp-ph quant-ph
Changing the Local-Dimension of an Entanglement-Assisted Stabilizer Code Removes Entanglement Need
保护好量子信息是进行量子计算的必要条件。一种可能性是减少需要保护免受噪音影响的粒子数量，转而使用具有更多状态的系统，即所谓的量子计算机。在本文中，我们表明，这些系统的代码可以从已知的代码中导出，特别是这个过程消除了在纠缠辅助量子纠错码中对共享纠缠的需要，这是一个可以证明对容错量子比特甚至量子比特量子计算机有用的结果。
2021-01-28 quant-ph
Whole-device entanglement in a 65-qubit superconducting quantum computer
产生大尺度纠缠的能力是噪声中尺度量子（NISQ）器件中量子信息处理能力的重要来源。本文研究了在现有的超导量子器件上制备大数量量子比特纠缠量子态的可能性。我们在IBM Quantum 65-qubit $\textit{ibmq_manhattan}$设备和53-qubit $\textit{ibmq_rochester}$设备上准备了本征图状态，并应用了量子读出错误减轻（QREM）。检测到跨越每个完整设备的连接纠缠图，表明每个设备的整体上的二分纠缠。QREM的应用被证明增加了所有测量中观察到的纠缠，特别是，在$\textit{ibmq_rochester}$内发现的纠缠量子比特对的检测数量从总共58个连接对中的31个增加到56个。这项工作的结果表明，在两个最大的超导设备的日期完全二分纠缠。
2021-10-04 quant-ph
Entanglement Structure Detection via Computer Vision
提出一种混合CNN-Transformer模型，利用图像处理技术高效检测多体量子纠缠结构，在GHZ/W态分类中精度优于传统方法。
2024-01-07 quant-ph
Entanglement Classification via Neural Network Quantum States
对多体量子态的纠缠特性进行分类的任务提出了一个显着的挑战，由于量子系统可以共享量子关联的方式呈指数增长。应对这样的挑战需要结合复杂的理论和计算技术。本文将机器学习工具与量子纠缠理论相结合，对纯态下的多体量子比特系统进行纠缠分类。我们使用的量子系统的参数化，使用人工神经网络在一个受限制的玻尔兹曼机（RBM）架构，被称为神经网络量子态（NNS），其纠缠特性可以推导出通过一个受约束的，强化学习过程。通过这种方式，可分离神经网络状态（SNNS）可以用于为任何目标状态构建纠缠证人。
2019-12-31 cond-mat.dis-nn cond-mat.stat-mech quant-ph
A modular entanglement-based quantum computer architecture
本研究提出一种基于多体纠缠的模块化量子计算架构，通过模块内纠缠量子比特调控不可控的距离相关相互作用，共享不同拓扑的多体纠缠态，可按需执行多种模块间量子门与电路，实现更高效灵活的模块耦合与可扩展量子计算。
2024-12-13 quant-ph
Evaluation of variational quantum states entanglement on a quantum computer by the mean value of spin
根据变分量子态纠缠与自旋平均值的关系，研究了变分量子态纠缠的几何度量。我们研究了由一个变分电路制备的n量子位量子态，该变分电路具有由旋转门和双量子位控制的相位门形成的层。变分电路是用于制备量子生成对抗网络状态的电路的推广。在变分量子态中，一个量子比特与其他量子比特的纠缠度取决于作用于该量子比特的旋转门的角度以及通过受控相位门与之纠缠的量子比特的角度及其参数。在一层变分电路的情况下，状态可以与具有表示量子位的顶点和对应于两量子位门的边的图相关联。量子比特与量子图状态中的其他量子比特的纠缠的几何度量取决于在图中表示它的顶点的属性，即它取决于顶点度。在IBM量子计算机上，对变分量子态纠缠的几何度量与量子态参数的关系进行了量化。
2023-01-10 quant-ph
Tomographic entanglement indicators from NMR experiments
近年来，直接从断层图像获得的不同纠缠指标的性能已经在连续变量和混合量子系统中进行了评估。在本文中，我们在自旋系统的情况下进行这项任务。我们计算的纠缠指标从实际的实验数据从三个液态NMR实验，并将它们与标准的纠缠措施计算相应的密度矩阵，实验重建和数值计算。这些纠缠指标再现了纠缠动力学和自旋压缩特性的总体特征。然而，在NMR实验中，这些指标和自旋压缩跟踪多体系统在时间演化过程中的纠缠的程度对相互作用的精确性质和强度以及整个系统划分为子系统的方式非常敏感。我们还使用IBM量子计算机来实现等效电路，该等效电路在一个NMR实验中捕获多体系统的动力学。我们计算和比较从对应于这些等效电路的实验执行和模拟的断层图像获得的纠缠指标。这项工作表明，这些指标可以估计纠缠的程度，而不需要详细的状态重建程序，建立层析成像方法的优势。
2021-12-28 quant-ph
Neural quantum states for entanglement depth certification from randomized Pauli measurements
Qilimanjaro Quantum Tech（奇力马尼霍量子技术）
提出用神经量子态进行似然模型选择，通过约束架构认证纠缠深度，无需重构密度矩阵，在模拟多比特态上验证了有效性。
2026-06-16 cond-mat.dis-nn quant-ph
Demonstration of Entanglement Purification and Swapping Protocol to Design Quantum Repeater in IBM Quantum Computer
量子通信是一种安全的方式来传输量子信息，并与网络中的远程合法方进行通信。虽然已经实现了长距离通信，但是由于通过传输信道的信息的不可避免的损失而产生技术问题。量子中继器可以利用纠缠交换和量子净化方案来扩展距离尺度。在这里，我们通过上述两个过程演示了量子中继器的工作。我们使用IBM的实量子处理器ibmqx 4来产生两对纠缠的量子比特，并设计一个等价的量子线路，从而交换两对量子比特之间的纠缠。然后，我们开发了一种新的纯化协议，提高了纠缠度在嘈杂的信道，包括位翻转，相位翻转和相变错误的组合错误。我们利用量子态层析技术验证了两对量子比特之间的纠缠交换和纯化协议的有效性。
2018-03-11 quant-ph
Quantum search without entanglement
量子变量的纠缠通常被认为是获得信息处理任务（如搜索数据库）量子加速的先决条件。本文介绍了量子搜索的方法，提供了一个速度超过经典的方法，但不需要纠缠。这些方法反而依赖于干扰来提供加速。没有纠缠的搜索是有代价的：尽管它们的性能优于类似的经典设备，但执行搜索的量子设备不是通用的量子计算机，并且需要比使用纠缠操作的量子计算机更大的开销。没有纠缠的量子搜索与使用波的经典搜索进行了比较。
1999-03-16 quant-ph
Classifying Multipartite Continuous Variable Entanglement Structures through Data-augmented Neural Networks
Peking University（北京大学）；Beijing University of Posts and Telecommunications（北京邮电大学）；Shanghai Jiao Tong University（上海交通大学）；Xi’an Jiaotong University（西安交通大学）；Shanxi University（山西大学）；Peking University Yangtze Delta Institute of Optoelectronics（北京大学扬子江光电技术研究院）；Hefei National Laboratory（合肥国家实验室）
本研究提出数据增强神经网络，结合量子数据增强方法，实现多体连续变量纠缠结构分类，在三体、四体态测试中准确率显著提升，拓展了机器学习在复杂量子系统学习中的应用。
2026-08-10 quant-ph
Neural networks learn to reconstruct multipartite entanglement from quantum marginals
Indian Institute of Science Education & Research Mohali（印度科学教育研究所穆哈利分校）
该研究针对量子边际问题，用半定规划分析四量子比特SLOCC纠缠类的可重建性，训练神经网络实现边际可重建性分类及高保真度的全局量子态重建，经实验验证有效。
2026-09-07 quant-ph
Entanglement Control of Azobenzene by Photoisomerization in NMR Quantum Computer
以偶氮苯为例，在NMR量子计算机中研究了光致异构分子中量子比特的纠缠控制。偶氮苯有两种不同的异构体，{ \it{} transs}-偶氮苯（TAB）和{ \it{} cis}-偶氮苯（CAB），它们可以通过光异构化相互转化。改变分子结构导致自旋-自旋耦合常数的改变，并因此导致缠结操作时间的改变。我们首先通过{ \it ab initio}计算得到了TAB和CAB的稳定结构。然后，我们计算了这些异构体的NMR谱，并验证了它们重现了实验获得的化学位移具有良好的精度。我们的结果表明，分子中的一个$^{15}$ N和一个$^{13}$ C核之间的耦合强度在光异构化作用下发生了很大的变化。
2010-04-06 quant-ph
Entanglement Simulations of Shor's Algorithm
我们证明，在Shor的分解算法的情况下，高度混合的状态将允许有效的量子计算，事实上，分解可以有效地实现，只有一个初始纯量子比特和初始最大混合量子比特的供应（S。帕克和M. B. Plenio，Phys. Rev. Lett. 85，3049（2000））。这让我们想知道这是如何影响算法中的纠缠的。因此，我们调查的行为的纠缠在肖尔的算法为少量的量子比特的经典计算机模拟的量子计算机在不同阶段的算法。我们发现，纠缠是一个内在的算法的一部分，通过算法的纠缠似乎是密切相关的混合量。此外，如果计算机处于高度混合状态，任何试图通过进一步混合算法来消除纠缠的尝试都会导致其效率的显着降低。
2001-09-12 quant-ph
Measuring Correlation and Entanglement between Molecular Orbitals on a Trapped-Ion Quantum Computer
本研究利用离子阱量子计算机计算冯·诺依曼熵，量化强关联分子轨道间的相关性与纠缠，并通过超选择定则和噪声抑制技术实现高精度测量，发现单轨道纠缠仅在存在相反自旋开壳层组态时出现。
2025-08-06 quant-ph
XpookyNet: Advancement in Quantum System Analysis through Convolutional Neural Networks for Detection of Entanglement
本文提出专为量子系统设计的深度卷积神经网络XpookyNet，通过有效处理复数数据实现98.5%的纠缠检测准确率，并推动完全与部分纠缠态分类研究。
2024-08-10 quant-ph
Implementation of quantum logic operations and creation of entanglement in a silicon-based quantum computer with constant interaction
我们描述了如何在硅基量子计算机中实现量子逻辑运算，磷原子作为量子比特。信息存储在核自旋的状态中，条件逻辑操作通过电子自旋利用核-电子超精细和电子-电子交换相互作用来实现。我们计算机中的电子应该只在一个控制非门的实现过程中保持相干。交换相互作用是恒定的，并且由磁场梯度提供选择性激发。量子逻辑运算是由矩形射频脉冲实现的。这种架构是可扩展的，并且不需要制造纳米级电子门。如本文所示，量子协议的参数可以推导出解析，即使是一台计算机与大量的量子位使用我们的微扰方法。我们提出的协议初始化的核自旋和协议创建纠缠。所有的分析结果进行了测试，使用两个量子比特系统的数值。
2005-12-21 quant-ph
