当前位置：
X-MOL 学术
›
Phys. Rev. Lett.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
Quantum Autoencoders to Denoise Quantum Data.
Physical Review Letters ( IF 8.1 ) Pub Date : 2020-04-03 , DOI: 10.1103/physrevlett.124.130502 Dmytro Bondarenko 1 , Polina Feldmann 1
Physical Review Letters ( IF 8.1 ) Pub Date : 2020-04-03 , DOI: 10.1103/physrevlett.124.130502 Dmytro Bondarenko 1 , Polina Feldmann 1
Affiliation
|
Entangled states are an important resource for quantum computation, communication, metrology, and the simulation of many-body systems. However, noise limits the experimental preparation of such states. Classical data can be efficiently denoised by autoencoders-neural networks trained in unsupervised manner. We develop a novel quantum autoencoder that successfully denoises Greenberger-Horne-Zeilinger, W, Dicke, and cluster states subject to spin-flip errors and random unitary noise. Various emergent quantum technologies could benefit from the proposed unsupervised quantum neural networks.
中文翻译：
量子自动编码器可对量子数据进行消噪。
纠缠态是量子计算，通信，计量和多体系统仿真的重要资源。但是，噪声限制了此类状态的实验准备。可以通过自动编码器-以无监督方式训练的神经网络对经典数据进行有效的去噪。我们开发了一种新型的量子自动编码器，该编码器成功地对Greenberger-Horne-Zeilinger，W，Dicke和受自旋翻转误差和随机unit噪声影响的簇状态进行了降噪。各种新兴的量子技术都可以从提出的无监督量子神经网络中受益。
更新日期：2020-03-31
中文翻译：
量子自动编码器可对量子数据进行消噪。
纠缠态是量子计算，通信，计量和多体系统仿真的重要资源。但是，噪声限制了此类状态的实验准备。可以通过自动编码器-以无监督方式训练的神经网络对经典数据进行有效的去噪。我们开发了一种新型的量子自动编码器，该编码器成功地对Greenberger-Horne-Zeilinger，W，Dicke和受自旋翻转误差和随机unit噪声影响的簇状态进行了降噪。各种新兴的量子技术都可以从提出的无监督量子神经网络中受益。
京公网安备 11010802027423号