Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Neural-network quantum state tomography

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989592%3A15310%2F22%3A73613312" target="_blank" >RIV/61989592:15310/22:73613312 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://journals.aps.org/pra/pdf/10.1103/PhysRevA.106.012409" target="_blank" >https://journals.aps.org/pra/pdf/10.1103/PhysRevA.106.012409</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1103/PhysRevA.106.012409" target="_blank" >10.1103/PhysRevA.106.012409</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Neural-network quantum state tomography

  • Popis výsledku v původním jazyce

    We revisit the application of neural networks to quantum state tomography. We confirm that the positivity constraint can be successfully implemented with trained networks that convert outputs from standard feedforward neural networks to valid descriptions of quantum states. Any standard neural-network architecture can be adapted with our method. Our results open possibilities to use state-of-the-art deep-learning methods for quantum state reconstruction under various types of noise.

  • Název v anglickém jazyce

    Neural-network quantum state tomography

  • Popis výsledku anglicky

    We revisit the application of neural networks to quantum state tomography. We confirm that the positivity constraint can be successfully implemented with trained networks that convert outputs from standard feedforward neural networks to valid descriptions of quantum states. Any standard neural-network architecture can be adapted with our method. Our results open possibilities to use state-of-the-art deep-learning methods for quantum state reconstruction under various types of noise.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    10306 - Optics (including laser optics and quantum optics)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2022

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    PHYSICAL REVIEW A

  • ISSN

    2469-9926

  • e-ISSN

    2469-9934

  • Svazek periodika

    106

  • Číslo periodika v rámci svazku

    1

  • Stát vydavatele periodika

    US - Spojené státy americké

  • Počet stran výsledku

    8

  • Strana od-do

    "012409-1"-"012409-8"

  • Kód UT WoS článku

    000824587200013

  • EID výsledku v databázi Scopus

    2-s2.0-85134202241