Detectando entrelaçamento multipartite genuíno via aprendizado de máquina

Nos últimos anos, métodos de aprendizado de máquina supervisionado e semissupervisionado, como redes neurais, máquinas de suporte vetorial (SVMs) e máquinas de suporte vetorial semissupervisionadas (S4VMs), foram amplamente utilizados em problemas de verificação de entrelaçamento quântico e condução quântica. No entanto, poucos estudos se concentraram em detectar entrelaçamento multipartite genuíno com base em aprendizado de máquina. Aqui, investigamos o aprendizado de máquina supervisionado e semissupervisionado para detectar entrelaçamento multipartite genuíno de estados de três qubits. Geramos aleatoriamente matrizes de densidade de três qubits e treinamos um SVM para a detecção de estados entrelaçados multipartites genuínos. Além disso, melhoramos o método de treinamento S4VM, que otimiza o agrupamento de amostras de previsão e, em seguida, realiza previsões iterativas. Através de simulação numérica, é confirmado que este método pode melhorar significativamente a precisão da previsão.