論文の概要: Quantum mechanics is *-algebras and tensor networks

• arxiv url: http://arxiv.org/abs/2003.07976v1
• Date: Tue, 17 Mar 2020 22:46:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-28 22:11:27.568897
• Title: Quantum mechanics is *-algebras and tensor networks
• Title（参考訳）: 量子力学は*代数とテンソルネットワークである
• Authors: Andreas Bauer
• Abstract要約: 情報理論の観点から量子力学の体系的アプローチを提供する。 我々の定式化はただ一つの種類の対象、いわゆる正の *-テンソルしか必要としない。 リアルタイム進化やサーマルシステムなど,さまざまなタイプのモデルが,*テンソルネットワークに変換可能であることを示す。
• 参考スコア（独自算出の注目度）: 1.479413555822768
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We provide a systematic approach to quantum mechanics from an information-theoretic perspective using the language of tensor networks. Our formulation needs only a single kind of object, so-called positive *-tensors. Physical models translate experimental setups into networks of these *-tensors, and the evaluation of the resulting networks yields the probability distributions describing measurement outcomes. The idea behind our approach is similar to categorical formulations of quantum mechanics. However, our formulation is mathematically simpler and less abstract. Our presentation of the core formalism is completely self-contained and relies on minimal mathematical prerequesites. Therefore, we hope it is in principle also understandable to people without an extensive mathematical background. Additionally, we show how various types of models, like real-time evolutions or thermal systems can be translated into *-tensor networks.
• Abstract（参考訳）: テンソルネットワークの言語を用いた情報理論の観点から,量子力学の体系的アプローチを提案する。 私たちの定式化には1種類のオブジェクト、いわゆるポジティブ*テンソルのみが必要です。 物理モデルは、実験的なセットアップをこれらの*-テンソルのネットワークに変換し、その結果得られるネットワークの評価は、測定結果を記述する確率分布をもたらす。 我々のアプローチの背後にある考え方は、量子力学の分類的定式化に似ている。 しかし、我々の定式化は数学的に単純で抽象的ではない。 コアフォーマリズムの提示は完全に自己完結しており、最小の数学的前提に依存している。 したがって、数学的背景のない人でも原則として理解できることを願っている。 さらに、リアルタイム進化や熱システムといった様々なモデルが*テンソルネットワークにどのように変換できるかを示す。

関連論文リスト

• Transfer learning in predicting quantum many-body dynamics: from physical observables to entanglement entropy [0.6581635937019595]
  本稿では,多体系の物理観測値のサブセットに基づいてトレーニングされたニューラルネットワークの能力について述べる。 特に、トレーニング済みのニューラルネットワークが絡み合いのエントロピーの学習をいかに促進するかに焦点を当てる。
  論文  参考訳（メタデータ） (2024-05-25T14:32:21Z)
• ShadowNet for Data-Centric Quantum System Learning [188.683909185536]
  本稿では,ニューラルネットワークプロトコルと古典的シャドウの強みを組み合わせたデータ中心学習パラダイムを提案する。 ニューラルネットワークの一般化力に基づいて、このパラダイムはオフラインでトレーニングされ、これまで目に見えないシステムを予測できる。 量子状態トモグラフィーおよび直接忠実度推定タスクにおいて、我々のパラダイムのインスタンス化を示し、60量子ビットまでの数値解析を行う。
  論文  参考訳（メタデータ） (2023-08-22T09:11:53Z)
• Explainable Representation Learning of Small Quantum States [0.0]
  パラメータ化量子回路によって生成される2量子密度行列上に生成モデルを訓練する。 モデルが量子状態と基礎となる絡み合い特性を関連づける解釈可能な表現を学ぶことを観察する。 われわれのアプローチは、機械が小さな量子システムを自律的に表現する方法の洞察を与える。
  論文  参考訳（メタデータ） (2023-06-09T06:30:25Z)
• A New Information Theory of Certainty for Machine Learning [0.0]
  クロード・シャノンは、通信符号化理論のためのランダム分布の不確かさを定量化するためにエントロピーを作った。 本稿では,エントロピーの正準双対として,基礎となる分布の確実性を定量化するための新しい概念トロエンピーを提案する。
  論文  参考訳（メタデータ） (2023-04-25T14:03:57Z)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• The Logic of Quantum Programs [77.34726150561087]
  本稿では,量子プログラムにおける情報フローの論理計算について述べる。 特に、複素量子系における量子測定、ユニタリ進化、絡み合いを扱うことができる動的論理を導入する。
  論文  参考訳（メタデータ） (2021-09-14T16:08:37Z)
• The Autodidactic Universe [0.8795040582681388]
  宇宙が自身の物理法則を学習する宇宙論へのアプローチを提案する。 我々はこれらの行列モデルをゲージ/重力理論と学習機械の数学的モデルの両方に対応づけたマップを発見する。 自律的なシステムでは,教師のいない学習がどのような意味を持つのかを詳細に議論する。
  論文  参考訳（メタデータ） (2021-03-29T02:25:02Z)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)
• Emergent Quantumness in Neural Networks [0.0]
  隠れ変数の化学ポテンシャルによって決定される「プランク定数」でSchr"odinger方程式を導出する。 また,機械学習や基礎物理学,進化生物学における研究結果の意義についても考察した。
  論文  参考訳（メタデータ） (2020-12-09T14:32:33Z)
• Efficient construction of tensor-network representations of many-body Gaussian states [59.94347858883343]
  本稿では,多体ガウス状態のテンソルネットワーク表現を効率よく,かつ制御可能な誤差で構築する手法を提案する。 これらの状態には、量子多体系の研究に欠かせないボゾン系およびフェルミオン系二次ハミルトン系の基底状態と熱状態が含まれる。
  論文  参考訳（メタデータ） (2020-08-12T11:30:23Z)
• Machine learning transfer efficiencies for noisy quantum walks [62.997667081978825]
  グラフ型と量子系コヒーレンスの両方の要件を見つけるプロセスは自動化可能であることを示す。 この自動化は、特定のタイプの畳み込みニューラルネットワークを使用して、どのネットワークで、どのコヒーレンス要求の量子優位性が可能かを学習する。 我々の結果は、量子実験における利点の実証と、科学的研究と発見の自動化への道を開くために重要である。
  論文  参考訳（メタデータ） (2020-01-15T18:36:53Z)

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。