+55 (48) 3721-2308
encontro.ppgfsc@contato.ufsc.br

Seminário 8: Classificador de emaranhamento preso baseado em aprendizado de máquina

Seminário será apresentado pelo doutorando da UFSC, Caio Boccato Dias de Goes

Demais autores: Askery Canabarro, Eduardo I. Duzzioni e Thiago O. Maciel

Resumo: O campo da informação quântica mudou rapidamente a maneira como entendemos, processamos e armazenamos informações. Um dos principais desafios nesse campo é a separabilidade dos estados, uma vez que os estados emaranhados são o principal recurso que permite essa revolução. O principal critério para realizar essa caracterização é o critério da transposição parcial positiva (PPT), onde, se a transposição parcial de uma das partículas possuir apenas autovalores positivos, o estado quântico é dito separável. Este critério, no entanto, é conclusivo apenas para sistemas com uma dimensão igual ou inferior a seis. Neste trabalho, analisaremos estados quânticos de dois qutrits, ou seja, com dimensão do espaço de Hilbert igual a nove. Para essa dimensão, podemos observar um novo tipo de emaranhamento, emaranhado preso, que é o estado que possui todos os autovalores de transposição parcial positivos e ainda não é separável. Este trabalho consiste em criar um classificador baseado em aprendizado de máquina capaz de classificar um estado quântico entre emaranhado, emaranhado preso e separável de um conjunto de estados quânticos pré-classificados. O conjunto de estados quânticos usados foi criado a partir de programação semi-definida.