在光子量子极端学习机器中实验性属性重建.
Alessia Suprano1, Danilo Zia1, Luca Innocenti2
1Dipartimento di Fisica - Sapienza Università di Roma, Piazza le Aldo Moro 5, I-00185 Roma, Italy.
Physical review letters
|May 3, 2024
概括
我们在光子平台上使用了量子极端学习机器,以高效地描述光子极化状态. 这种方法对实验的不完美性具有强大耐用性,为量子状态分析提供了资源经济的解决方案.
科学领域:
- 量子信息科学 量子信息科学
- 机器学习应用 机器学习应用
- 光子学 是一个光子学.
背景情况:
- 描述量子状态对于量子信息处理至关重要.
- 将机器学习集成到实验平台中提供了新的解决方案.
- 光子学为量子实验提供了一个强大的平台.
研究的目的:
- 实施一种资源高效和准确的方法来表征光子极化状态.
- 在光子设置中利用量子极端学习机器 (QELM).
- 为了证明对实验缺陷的强度.
主要方法:
- 使用光子平台实施QELM.
- 采用高维光子轨道角动量的造量子步行来研究水库动力学.
- 在固定基础上进行投射测量.
主要成果:
- 实现了光子极化状态的资源高效和准确的表征.
- 证明了未知极化状态的重建不需要详细描述测量装置的特征.
- 展示了对实验不完美的坚固性.
结论:
- 开发的QELM光子平台为资源经济性量子状态表征提供了一个有前途的途径.
- 这种方法简化了实验要求,提高了可靠性.
- 突出了将机器学习与量子实验集成为实际应用的潜力.


