参数化量子比特态的量子纠缠检测的经典贪婪算法
我们提出了一种基于机器学习的方案来测量任意子系统之间的纠缠度，利用可测量的瞬时量和对数负度量与未知的非线性函数之间的关系，并且无需对状态有任何先验知识，通过该方法可以在宏观体系中测量纠缠度，特别是在强相互作用多体系统的平衡和非平衡情况下。
Sep, 2017
基于研究对现代量子设备的实际限制如何影响量子学习的复杂性，通过自然环境中对多个副本进行测量和采用 Schur-Weyl 采样的方式，揭示了量子学习中量子复制与纠缠之间的平滑交换，特别是在拓扑近似条件下的观测联通性以及从最大混合态偏离程度的估计。
Feb, 2024
提出了一种使用量子态空间中适当的近似方法来表征多粒子真实纠缠的方法，并使用半定编程计算其纠缠度的方法，在获得实验测量数据时也能够计算，而且该方法的效果较之前的方法都有显著提高，同时可以针对簇态实现纠缠检测并得到指数级的提升。
Oct, 2010
本篇论文研究了量子纠缠的 Hilbert-Schmidt 测度， 并借助广义贝尔不等式和纠缠见证方法，阐述了纠缠态和可分离态之间的联系，提出了判断量子态可分离性的方法，并通过对同态态，特别是二量子比特和二量子三能级系统，以及它们对任意维度的推广进行了进一步研究，明确计算了最优纠缠见证。
Aug, 2005
利用偏知识控制多量子位纠缠是量子交互动力学领域中的一个未经探索的范式，本论文采用一种深度强化学习方法构建任意 4、5 和 6 量子位状态的简化量子解分路，证明了该方法能够识别和利用多量子位态的纠缠结构，为真实量子计算应用提供了潜力。
Jun, 2024
文章研究了一个量子计算版本的多臂老虎机问题，使用相干的 Oracle 访问状态，用 amplitudes 编码每个臂的奖励概率。特别地，作者提出了一种基于可变时间幅度放大和估计，用 Θ(| 根号 (n)| 乘以 | 根号 ∑_i=2^n Δ^(-2)_i|) 次量子查询可以找到最佳臂的算法。这个算法与经典算法相比，速度提升了一个平方级别。作者也证明了相匹配的量子下界（多项式对数因子）
Jul, 2020
采用无监督机器学习方法，设计了一种凸优化的复数神经网络，并利用训练好的网络进行了大量的数值实验，结果表明该网络能够高精度地检测出多体量子数据中的量子特征，如纠缠和局部纠缠。
Mar, 2021
本研究综述了监督学习和深度神经网络的设计，用于学习代数多元环的成员身份，并证明这些神经网络可以预测量子态的纠缠类型。我们给出了检测退化状态和二进制量子比特和三进制量子比特（三元量子比特）的边界秩分类的实例。
Aug, 2019