機械学習を用いた量子状態異常検知 (量子統計モデリングのための基盤構築)
Satoshi Hara
Abstract
精緻な処理が必要となる量子情報処理において量子系の状態をあらわす密度行列の異常の検知は重要な課題である. 本稿では機械学習を用いた密度行列の異常検知手法mathrm{E}mathrm{D}^{3}を紹介する. 観測された密度行列は一般に統計的なゆらぎを含むが, mathrm{E}mathrm{D}^{3}を用いることでそのようなゆらぎから異常な変化を抽出することができる. シミュレーション及び実データ実験において, mathrm{E}mathrm{D}^{3}が平均行列を使った単純な手法よりも高い精度を達成することを確認した. mathrm{E}mathrm{D}^{3}は密度行列の異常が問題となる多くの局面において有用な解決策となると考えている.