論文の概要: Neural network wave functions and the sign problem

• arxiv url: http://arxiv.org/abs/2002.04613v3
• Date: Thu, 30 Jul 2020 16:17:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-02 02:55:12.674946
• Title: Neural network wave functions and the sign problem
• Title（参考訳）: ニューラルネットワークの波動関数と符号問題
• Authors: Attila Szab\'o, Claudio Castelnovo
• Abstract要約: 本稿では,単純で明示的で解釈可能な位相アンサッツを用いたニューラルネットワークアーキテクチャを提案する。 マーシャルのサインルールを示す低エネルギー状態は、期待される基底状態と矛盾している。 このような状態は、真の基底状態にアクセスするためのNQSベースの変分モンテカルロの障害の原因である可能性が高い。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neural quantum states (NQS) are a promising approach to study many-body quantum physics. However, they face a major challenge when applied to lattice models: Convolutional networks struggle to converge to ground states with a nontrivial sign structure. We tackle this problem by proposing a neural network architecture with a simple, explicit, and interpretable phase ansatz, which can robustly represent such states and achieve state-of-the-art variational energies for both conventional and frustrated antiferromagnets. In the latter case, our approach uncovers low-energy states that exhibit the Marshall sign rule and are therefore inconsistent with the expected ground state. Such states are the likely cause of the obstruction for NQS-based variational Monte Carlo to access the true ground states of these systems. We discuss the implications of this observation and suggest potential strategies to overcome the problem.
• Abstract（参考訳）: 神経量子状態 (NQS) は多体量子物理学の研究において有望なアプローチである。 しかし、格子モデルに適用する場合、それらは大きな課題に直面する: 畳み込みネットワークは、非自明な符号構造を持つ基底状態に収束するのに苦労する。 このような状態のロバストな表現が可能で,従来型とフラストレーション型の両方の反強磁性体に対して最先端の変動エネルギーを実現する,シンプルで明示的で解釈可能なフェーズアンサッツによるニューラルネットワークアーキテクチャを提案することで,この問題に取り組む。 後者の場合、このアプローチはマーシャル符号規則を示す低エネルギー状態を明らかにし、したがって期待された基底状態と矛盾する。 このような状態は、これらの系の真の基底状態にアクセスするためのNQSベースの変分モンテカルロの障害の可能性が高い。 我々は,この観察の意義を議論し,この問題を克服するための潜在的戦略を提案する。

関連論文リスト

• Approximately-symmetric neural networks for quantum spin liquids [0.4369058206183195]
  本稿では,量子スピン液体問題に対するほぼ対称なニューラルネットワーク群の提案と解析を行う。 我々の研究は、解釈可能なニューラルネットワークアーキテクチャにおける量子スピン液体問題の研究への道を開いた。
  論文  参考訳（メタデータ） (2024-05-27T18:00:00Z)
• Universal Performance Gap of Neural Quantum States Applied to the Hofstadter-Bose-Hubbard Model [0.0]
  本研究では,Hofstadter-Bose-Hubbard (HBH)モデルの基底状態の近似におけるNQSの性能について検討した。 以上の結果から,磁束の増大はエネルギー誤差を最大3桁に増加させることが示唆された。
  論文  参考訳（メタデータ） (2024-05-03T10:18:35Z)
• Entanglement transition in deep neural quantum states [0.0]
  深部ニューラルネットワークにおける情報伝達が深部神経量子状態の物理的絡み合い特性にどのように影響するかを示す。 このブリッジにより、領域と体積法が絡み合った状態を表すために最適な神経量子状態ハイパーパラメーターレギュレーションを特定できる。 正確な量子状態表現のためのネットワーク構成の理解の進歩は、容積法則量子状態を扱う効果的な表現を開発するのに役立ちます。
  論文  参考訳（メタデータ） (2023-12-19T08:40:23Z)
• Comment on "Can Neural Quantum States Learn Volume-Law Ground States?" [44.99833362998488]
  選択したNQSはスピン問題とフェルミオン問題の両方に対して体積法的絡み合いを持つ基底状態を学ぶことができることを示す。 上述の文字で使用した設定は、非フェルミオンNQSがフェルミオン状態の学習に不効率であることを明らかにする。
  論文  参考訳（メタデータ） (2023-09-20T14:44:04Z)
• Neural-network quantum states for ultra-cold Fermi gases [49.725105678823915]
  この研究は、メッセージパッシングアーキテクチャに基づいたバックフロー変換を含む、新しいPfaffian-Jastrowニューラルネットワーク量子状態を導入する。 逆スピン対分布関数による強いペアリング相関の出現を観察する。 この結果から, ニューラルネットワーク量子状態は, 超低温フェルミガスの研究に有望な戦略をもたらすことが示唆された。
  論文  参考訳（メタデータ） (2023-05-15T17:46:09Z)
• Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
  量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。 量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。 ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
  論文  参考訳（メタデータ） (2022-12-21T19:00:04Z)
• Can neural quantum states learn volume-law ground states? [0.0]
  本研究では,多層フィードフォワードネットワークに基づくニューラルネットワークの量子状態が,ボリューム-ローエンタングルメントエントロピーを示す基底状態を見つけることができるかを検討した。 このモデルの基礎状態を表すために、浅層および深層フィードフォワードのネットワークは指数関数的な数のパラメータを必要とすることがわかった。
  論文  参考訳（メタデータ） (2022-12-05T12:26:20Z)
• Graph-Coupled Oscillator Networks [23.597444325599835]
  Graph-Coupled Networks (GraphCON)は、グラフのディープラーニングのための新しいフレームワークである。 我々のフレームワークは,様々なグラフベースの学習タスクにおける最先端技術に関して,競争力のあるパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2022-02-04T18:29:49Z)
• Learning the ground state of a non-stoquastic quantum Hamiltonian in a rugged neural network landscape [0.0]
  ニューラルネットワークに基づく普遍的変動波動関数のクラスについて検討する。 特に,本稿では,ニューラルネットワークの表現率とモンテカルロサンプリングが一次制限因子ではないことを示す。
  論文  参考訳（メタデータ） (2020-11-23T05:25:47Z)
• Einselection from incompatible decoherence channels [62.997667081978825]
  我々は、CQED実験にインスパイアされたオープン量子力学を、2つの非可換リンドブラッド作用素を用いて解析する。 Fock状態は、決定的な結合をデコヒーレンスにデコヒーレンスする最も堅牢な状態のままであることを示す。
  論文  参考訳（メタデータ） (2020-01-29T14:15:19Z)
• Entanglement Classification via Neural Network Quantum States [58.720142291102135]
  本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。 我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
  論文  参考訳（メタデータ） (2019-12-31T07:40:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。