Sample-efficient estimation of entanglement entropy through supervised learning
Physical Review A · 02.01.2024 · 109 (1)
DOI: 10.1103/physreva.109.012403 ↗Kurz gefasst
Fachartikel in der Zeitschrift Physical Review A, online erschienen am 02.01.2024. Verfasst von Maximilian Rieger und 2 weiteren Autor:innen. Die Arbeit wurde bisher 11-mal zitiert (Crossref) und nennt 45 Literaturangaben. Gefördert von: Deutsche Forschungsgemeinschaft, Baden-Württemberg Stiftung, Neumann János Egyetem.
Abstract (Originalsprache)
Kein Abstract verfügbar.
Förderung
- Deutsche Forschungsgemeinschaft
- Baden-Württemberg Stiftung
- Neumann János Egyetem
- Jülich Supercomputing Centre, Forschungszentrum Jülich
Zitieren
APA
Rieger, M., Reh, M., & Gärttner, M. (2024). Sample-efficient estimation of entanglement entropy through supervised learning. Physical Review A, 109(1). https://doi.org/10.1103/physreva.109.012403
Vancouver
Rieger M, Reh M, Gärttner M. Sample-efficient estimation of entanglement entropy through supervised learning. Physical Review A. 2024;109(1). doi:10.1103/physreva.109.012403
BibTeX
@article{Rieger2024,
author = {Rieger, Maximilian and Reh, Moritz and Gärttner, Martin},
title = {Sample-efficient estimation of entanglement entropy through supervised learning},
journal = {Physical Review A},
year = {2024},
volume = {109},
number = {1},
doi = {10.1103/physreva.109.012403}
}
EUVIMED