量子科技中心_量科网

近年来，利用机器学习检测真实多体纠缠（GME）的研究鲜有报道。该团队采用卷积神经网络（CNN）及结合通道注意力机制（SE）增强的CNN来探测GME，通过半定规划方法随机生成了4至6量子比特的GME态和4至20量子比特的GHZ对角态，并评估其分类准确率。结果表明，SE模块的引入显著提升了网络训练性能。研究人员还进一步分析了假阳性与假阴性案例，基于训练数据大幅降低了将非纠缠态误判为纠缠态的概率。