論文の概要: Machine Learning for Quantum Matter
- arxiv url: http://arxiv.org/abs/2003.11040v2
- Date: Wed, 19 Aug 2020 18:18:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-28 00:57:03.739311
- Title: Machine Learning for Quantum Matter
- Title（参考訳）: 量子物質の機械学習
- Authors: Juan Carrasquilla
- Abstract要約: 本稿では,量子物質研究の進展をめざして,機械学習のアイデアの最近の発展と適応を概観する。
機械学習と量子多体物理学の交わる領域における今後の発展の展望について論じる。
- 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: Quantum matter, the research field studying phases of matter whose properties
are intrinsically quantum mechanical, draws from areas as diverse as hard
condensed matter physics, materials science, statistical mechanics, quantum
information, quantum gravity, and large-scale numerical simulations. Recently,
researchers interested quantum matter and strongly correlated quantum systems
have turned their attention to the algorithms underlying modern machine
learning with an eye on making progress in their fields. Here we provide a
short review on the recent development and adaptation of machine learning ideas
for the purpose advancing research in quantum matter, including ideas ranging
from algorithms that recognize conventional and topological states of matter in
synthetic an experimental data, to representations of quantum states in terms
of neural networks and their applications to the simulation and control of
quantum systems. We discuss the outlook for future developments in areas at the
intersection between machine learning and quantum many-body physics.
- Abstract（参考訳）: 量子物質は、本質的に量子力学の性質を持つ物質の研究分野であり、ハード凝縮物質物理学、物質科学、統計力学、量子情報、量子重力、大規模数値シミュレーションといった分野から来ている。
近年、量子物質と強い相関を持つ量子システムに興味を持つ研究者は、その分野の進歩に注目して、現代の機械学習の基礎となるアルゴリズムに注目を向けている。
本稿では、量子物質の研究を進めるための機械学習のアイデアの最近の開発と適応について、実験データにおける従来の物質の状態とトポロジ的状態を認識するアルゴリズムから、ニューラルネットワークによる量子状態の表現、量子システムのシミュレーションと制御への応用までを含む、短いレビューを行う。
機械学習と量子多体物理学の交わる領域における今後の発展の展望について論じる。
関連論文リスト
- Quantum Machine Learning: An Interplay Between Quantum Computing and Machine Learning [54.80832749095356]
量子機械学習(QML)は、量子コンピューティングの原理と従来の機械学習を組み合わせた急速に成長する分野である。
本稿では,変分量子回路を用いてQMLアーキテクチャを開発する機械学習パラダイムの量子コンピューティングについて述べる。
論文 参考訳（メタデータ） (2024-11-14T12:27:50Z) - Towards Quantum Dynamics Simulation of Physical Systems: A Survey [0.2454454561635539]
実際の量子コンピューティングハードウェアによる量子シミュレーションの分野における進歩について述べる。
我々はまた、現在利用可能なさまざまなソフトウェアツールセットをレビューし、量子シミュレーションの実現の基礎を築いた。
論文 参考訳（メタデータ） (2023-10-18T08:45:35Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - Artificial Intelligence and Machine Learning for Quantum Technologies [6.25426839308312]
ここ数年、科学者たちが機械学習を使って量子計測を分析し始めた例を紹介します。
オープンな課題と将来の可能性を強調し、今後10年間、いくつかの投機的ビジョンで締めくくります。
論文 参考訳（メタデータ） (2022-08-07T23:02:55Z) - Modern applications of machine learning in quantum sciences [51.09906911582811]
本稿では、教師なし、教師なし、強化学習アルゴリズムにおけるディープラーニングとカーネル手法の使用について述べる。
我々は、微分可能プログラミング、生成モデル、機械学習に対する統計的アプローチ、量子機械学習など、より専門的なトピックについて議論する。
論文 参考訳（メタデータ） (2022-04-08T17:48:59Z) - Storage properties of a quantum perceptron [0.0]
特定の量子パーセプトロンアーキテクチャの記憶容量について検討する。
我々は、特定の量子パーセプトロンモデルに焦点をあて、多数の入力の極限において、その記憶特性を探求する。
論文 参考訳（メタデータ） (2021-11-16T12:32:34Z) - Standard Model Physics and the Digital Quantum Revolution: Thoughts
about the Interface [68.8204255655161]
量子システムの分離・制御・絡み合いの進歩は、かつての量子力学の興味深い特徴を、破壊的な科学的・技術的進歩のための乗り物へと変えつつある。
本稿では,3つの領域科学理論家の視点から,絡み合い,複雑性,量子シミュレーションのインターフェースについて考察する。
論文 参考訳（メタデータ） (2021-07-10T06:12:06Z) - Simulating Quantum Materials with Digital Quantum Computers [55.41644538483948]
デジタル量子コンピュータ(DQC)は、古典的コンピュータでは引き起こせない量子シミュレーションを効率的に行うことができる。
このレビューの目的は、物理量子優位性を達成するために行われた進歩の要約を提供することである。
論文 参考訳（メタデータ） (2021-01-21T20:10:38Z)
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。