We determine the resource scaling of machine learning-based quantum state reconstruction methods, in terms of inference and training, for systems of up to four qubits when constrained to pure states. Further, we examine system performance in the low-count regime, likely to be encountered in the tomography of high-dimensional systems. Finally, we implement our quantum state reconstruction method on an IBM Q quantum computer, and compare against both unconstrained and constrained MLE state reconstruction.
翻译：我们从推论和培训的角度来决定机器学习量子国家重建方法的资源规模,在限制在纯状态下最多可达到4 ⁇ 的系统。此外,我们审查低计数制度中的系统性能,这在高维系统的XMX中可能遇到。最后,我们在IBM量子计算机上实施量子国家重建方法,并与不受限制和受限制的MLE国家重建进行比较。
相关内容
机器学习（Machine Learning）是一个研究计算学习方法的国际论坛。该杂志发表文章，报告广泛的学习方法应用于各种学习问题的实质性结果。该杂志的特色论文描述研究的问题和方法，应用研究和研究方法的问题。有关学习问题或方法的论文通过实证研究、理论分析或与心理现象的比较提供了坚实的支持。应用论文展示了如何应用学习方法来解决重要的应用问题。研究方法论文改进了机器学习的研究方法。所有的论文都以其他研究人员可以验证或复制的方式描述了支持证据。论文还详细说明了学习的组成部分，并讨论了关于知识表示和性能任务的假设。
官网地址：http://dblp.uni-trier.de/db/journals/ml/
专知会员服务
75+阅读 · 2020年2月8日
Arxiv
0+阅读 · 2021年7月22日
Arxiv
0+阅读 · 2021年7月22日
Arxiv
0+阅读 · 2021年7月21日
Arxiv
0+阅读 · 2021年7月21日
Arxiv
4+阅读 · 2020年2月14日
相关主题
相关VIP内容
专知会员服务
75+阅读 · 2020年2月8日
相关资讯
相关论文
Arxiv
0+阅读 · 2021年7月22日
Arxiv
0+阅读 · 2021年7月22日
Arxiv
0+阅读 · 2021年7月21日
Arxiv
0+阅读 · 2021年7月21日
Arxiv
4+阅读 · 2020年2月14日
微信扫码咨询专知VIP会员