الگوریتم یادگیری رقابتی حالت های کوانتومی
آرشیو
چکیده
طبقه بندی درهم تنیدگی حالت های کوانتومی با تابع همگن مثبت در ارتباط بوده که تحت عملیات های محلی تصادفی و تبدیل های ارتباط کلاسیکی (SLOCC) ناوردا است. در این مقاله، ابتدا یک طرح کلی برای اندازه گیری تنگل N تایی جهت اندازه گیری درهم تنیدگی یک حالت خالص N کیوبیت فرد- دلخواه ارائه می دهیم. سپس الگوریتم طبقه بندی را توسعه می دهیم که مبتنی بر ادغام بین یادگیری رقابتی و قدرت محاسباتی محاسبات کوانتومی است.Competitive Learning Algorithm of Quantum States
The entanglement classification of quantum states is nearly related to the positive homogeneous function that is invariant under stochastic local operations and classical communication (SLOCC) transformations. In this paper, first we give a general scheme to measure the N-tangle as an entanglement measure of an arbitrary odd-N qubit pure state. Then we develop a classification algorithm that is based on the integration between competitive learning and the computational power of quantum computing. Using this algorithm the entanglement measure we classify an input into one of two binary classes even if the input pattern is incomplete.The entanglement quantification and classification of quantum states of a large number of particles becomes quickly complex. This major challenge was raised within the quantum information science regarding the physical phenomenon of entanglement as a key resource. During the past years, the polynomial invariants such as concurrence for two-qubit states and three-tangle for pure three-qubit states was defined
تبلیغات
