Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.udec.cl/jspui/handle/11594/3352
Título : Tomografía autoguiada con procesamiento clásico
Autor : Delgado Hidalgo, Aldo Patricio; supervisor de grado
Zambrano Valenzuela, Leonardo Hans Isaías
Palabras clave : Método Monte Carlo;Teoría Cuántica;Álgebras Lineales;Probabilidades.
Fecha de publicación : 2018
Editorial : Universidad de Concepción.
Resumen : En esta tesis modificamos Complex Simultaneous Perturbation Stochastic Approximation (CSPSA), un método de optimización sobre el campo de los complejos utilizado en tomografía autoguiada de estados cuánticos. La tomografía autoguiada es un protocolo iterativo para estados puros basado en minimizar la infidelidad entre el estado cuántico del sistema y un estimado de este. Nuestra mejora consiste en agregarle procesamiento clásico a CSPSA mediante Maximum Likelihood Estimation (MLE) entre iteraciones. Gracias a esto, observamos una gran reducción en el número de iteraciones y de recursos a utilizar, a expensas de incrementar el costo computacional clásico. Además, mostramos que se puede utilizar el mismo método de optimización CSPSA para determinar una medida en el entrelazamiento de estados para sistemas bipartitos, sin la necesidad de conocer el estado, y, por lo tanto, sin realizar tomografía. Para probar estas afirmaciones realizamos extensas simulaciones numéricas sobre un gran número de estados desconocidos, en varias dimensiones y considerando distintos tamaños en la muestra a medir.
Descripción : Magíster en Ciencias con mención en Física Universidad de Concepción 2018
URI : http://repositorio.udec.cl/jspui/handle/11594/3352
metadata.dc.identifier.other: 237117
Aparece en las colecciones: Física - Tesis Magister

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
Tesis_Tomografia_autoguiada_con_procesamiento_clasico.Image.Marked.pdf899,19 kBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons