Tomographie quantique d'état : approche de réseau neuronal

Cette séance de cours introduit une nouvelle approche de la tomographie quantique à l'aide d'un réseau neuronal différentiel basé sur la machine de Boltzmann restreinte (RBM). L'architecture RBM, avec des couches visibles et cachées, est expliquée en détail, en mettant l'accent sur son modèle basé sur l'énergie similaire aux principes de la physique. La séance de cours couvre le processus de formation pour les paramètres d'amplitude et de phase séparément, en utilisant les gradients et la divergence KL. Les résultats sont présentés pour divers scénarios, y compris l'état W et les systèmes à mailles 1D, démontrant la précision de la GAR dans la prédiction des états quantiques. L'importance de mesurer l'amplitude et la phase en tomographie quantique est mise en évidence, ainsi que les défis de les découpler. La séance de cours se termine par une discussion sur les applications potentielles de cette approche au-delà des GAR, telles que les réseaux feedforward.