مرضیه یحیوی

یکی از روش های محاسباتی عمیق و هوشمند برای رده بندی کمیت خاص، استفاده از مفهوم یادگیری ماشینی است. در این مقاله، ما حالت های کوانتومی N-کیوبیتی زوج را با استفاده از ناوردای چند جمله ای از درجه 2 به عنوان معیار درهم تنیدگی رده بندی می کنیم. ابتدا یک پروتکل کلی برای اندازه گیری ناوردای چند جمله ای از درجه 2 یک حالت خالص N-کیوبیتی زوج دلخواه پیشنهاد می کنیم. سپس، براساس تکنیک های یادگیری ماشین، با استفاده از ادغام شبکه عصبی کلاسیک و محاسبات کوانتومی، رده بند ناوردای چند جمله ای از درجه دوی صفر یا غیرصفر می سازیم، حتی اگر الگوی ورودی ناقص باشد. با توجه به برابری معیار درهم تنیدگی چند جزئی واقعی و ناوردای چند جمله ای از درجه 2 برای حالت X، حالت GHZ را به عنوان حالت خاص X در نظر میگیریم و نشان میدهیم که صفر بودن ناوردای چند جمله ای از درجه 2 نشان می دهد که حالت مورد نظر کاملاً جداپذیر است و متعلق به برچسب کلاس "0" است، در غیر این صورت حالت درهم تنیده می شود و متعلق به برچسب کلاس "1" است

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.