近期，机器学习在量子信息领域得到广泛应用，特别是在纠缠检测、导向表征和非定域性验证等任务中。然而，利用机器学习来检测量子信息掩蔽的研究却鲜少开展。该工作研究了监督式机器学习在纯态与混合态量子比特中检测量子信息掩蔽的能力。针对纯态量子比特，研究人员随机生成对应密度矩阵并训练XGBoost模型进行检测；针对混合态量子比特，该团队通过优化训练样本选择改进了XGBoost方法。实验结果表明，该方法获得了更高的分类准确率。此外，通过对接收者操作特征曲线下面积（AUC）的分析，进一步验证了该方法的分类性能。
作者所在地：
VIP可见
作者单位：
VIP可见
期刊参考：
登录可见
页数/图表：
登录可见
提交arXiv：
2025-10-14 13:36
