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”

Entanglement quantification from collective measurements processed by machine learning

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989592%3A15310%2F22%3A73616149" target="_blank" >RIV/61989592:15310/22:73616149 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://www.sciencedirect.com/science/article/pii/S0375960122003528" target="_blank" >https://www.sciencedirect.com/science/article/pii/S0375960122003528</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1016/j.physleta.2022.128270" target="_blank" >10.1016/j.physleta.2022.128270</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Entanglement quantification from collective measurements processed by machine learning

  • Popis výsledku v původním jazyce

    This paper investigates how to reduce the number of measurement configurations needed for sufficiently precise entanglement quantification. Instead of analytical formulae, we employ artificial neural networks to predict the amount of entanglement in a quantum state based on results of collective measurements (simultaneous measurements on multiple instances of the investigated state). We consider collective measurement limited to two copies of the investigated state. This approach allows us to explore the precision of entanglement quantification as a function of measurement configurations in a relevant scenario for practical quantum communications. For the purpose of our research, we consider general two-qubit states and their negativity as entanglement quantifier. We outline the benefits of this approach in future quantum communication networks.

  • Název v anglickém jazyce

    Entanglement quantification from collective measurements processed by machine learning

  • Popis výsledku anglicky

    This paper investigates how to reduce the number of measurement configurations needed for sufficiently precise entanglement quantification. Instead of analytical formulae, we employ artificial neural networks to predict the amount of entanglement in a quantum state based on results of collective measurements (simultaneous measurements on multiple instances of the investigated state). We consider collective measurement limited to two copies of the investigated state. This approach allows us to explore the precision of entanglement quantification as a function of measurement configurations in a relevant scenario for practical quantum communications. For the purpose of our research, we consider general two-qubit states and their negativity as entanglement quantifier. We outline the benefits of this approach in future quantum communication networks.

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

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

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

    PHYSICS LETTERS A

  • ISSN

    0375-9601

  • e-ISSN

    1873-2429

  • Svazek periodika

    446

  • Číslo periodika v rámci svazku

    SEP

  • Stát vydavatele periodika

    NL - Nizozemsko

  • Počet stran výsledku

    7

  • Strana od-do

    "128270-1"-"128270-7"

  • Kód UT WoS článku

    000969033700015

  • EID výsledku v databázi Scopus

    2-s2.0-85132709351