机器学习框架判定量子态可操控性

1. 12:00
   arXiv 量子物理

   基于机器学习构建局部隐态模型判定量子可操控性的通用框架

   研究者提出一种基于机器学习的框架，通过批量采样测量与梯度优化构建最优局部隐态（LHS）模型，以判定纠缠态是否可操控。该方法在 two-qubit Werner 态的三类测量下均达到解析可见度边界，并在 two-qutrit isotropic 态的任意 PVM 下复现已知解析边界。进一步分析显示，POVM 相比 PVM 可能更有助于揭示这类态的可操控性。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。