論文の概要: Reconstructing quantum molecular rotor ground states

• arxiv url: http://arxiv.org/abs/2003.14273v2
• Date: Fri, 3 Jul 2020 16:53:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-27 07:41:39.146255
• Title: Reconstructing quantum molecular rotor ground states
• Title（参考訳）: 量子分子ローター基底状態の再構成
• Authors: Isaac J.S. De Vlugt, Dmitri Iouchtchenko, Ejaaz Merali, Pierre-Nicholas Roy and Roger G. Melko
• Abstract要約: 本研究では,高次元ヒルベルト空間からのデータに基づいて,制限されたボルツマンマシンを用いて,双極子ローターの鎖の基底状態の再構築を行う。 サンプリング手順における対称性の付与が困難であることから,RBMが達成できる精度の基本的な限界を示す。
• 参考スコア（独自算出の注目度）: 0.36748639131154304
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nanomolecular assemblies of C$_{60}$ can be synthesized to enclose dipolar molecules. The low-temperature states of such endofullerenes are described by quantum mechanical rotors, which are candidates for quantum information devices with higher-dimensional local Hilbert spaces. The experimental exploration of endofullerene arrays comes at a time when machine learning techniques are rapidly being adopted to characterize, verify, and reconstruct quantum states from measurement data. In this paper, we develop a strategy for reconstructing the ground state of chains of dipolar rotors using restricted Boltzmann machines (RBMs) adapted to train on data from higher-dimensional Hilbert spaces. We demonstrate accurate generation of energy expectation values from an RBM trained on data in the free-rotor eigenstate basis, and explore the learning resources required for various chain lengths and dipolar interaction strengths. Finally, we show evidence for fundamental limitations in the accuracy achievable by RBMs due to the difficulty in imposing symmetries in the sampling procedure. We discuss possible avenues to overcome this limitation in the future, including the further development of autoregressive models such as recurrent neural networks for the purposes of quantum state reconstruction.
• Abstract（参考訳）: c$_{60}$のナノ分子集合体は双極子分子を囲むために合成できる。 このようなエンドフレレンの低温状態は、高次元局所ヒルベルト空間を持つ量子情報装置の候補である量子機械回転子によって記述される。 エンドフレレンアレイの実験的探索は、測定データから量子状態を特徴づけ、検証し、再構成するために機械学習技術が急速に採用されている時期に行われた。 本稿では,高次元ヒルベルト空間のデータに基づいて,制限されたボルツマンマシン(RBM)を用いて,双極子ロータの鎖の基底状態の再構築を行う。 自由ローター固有状態に基づくデータに基づくrbmからのエネルギー期待値の正確な生成を実証し,様々な鎖長と双極子相互作用強度に必要な学習資源について検討した。 最後に, サンプリング手順における対称性の付与が困難であることから, RBMが達成できる精度の基本的な限界を示す。 本稿では、量子状態再構成を目的としたリカレントニューラルネットワークなどの自己回帰モデルの開発など、将来この制限を克服する可能性について論じる。

関連論文リスト

• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Experimental demonstration of reconstructing quantum states with generative models [0.44600863117978684]
  本稿では,プログラム可能な超伝導トランスモン量子ビットの配列を用いたニューラルネットワーク生成モデルに基づく量子状態の再構成実験を行った。 本研究は、複雑な量子デバイスを検証・特徴化するための機械学習技術を活用した興味深い可能性について実験的に示すものである。
  論文  参考訳（メタデータ） (2024-07-21T09:44:05Z)
• Gate-based protocol simulations for quantum repeaters using quantum-dot molecules in switchable electric fields [0.0]
  電気的に制御可能な量子ドット分子(QDM)は、決定論的絡み合い生成のための有望なプラットフォームである。 我々は、高忠実度で絡み合ったスピン状態の生成をモデル化するための、微視的な開量子系アプローチを開発した。
  論文  参考訳（メタデータ） (2023-08-28T13:25:56Z)
• 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)
• Generating Approximate Ground States of Molecules Using Quantum Machine Learning [2.1286051580524523]
  本稿では、生成量子機械学習モデルを用いて、ポテンシャルエネルギー表面上の任意の点における量子状態を作成することを提案する。 我々のアプローチでは、古典的なニューラルネットワークを用いて分子の核座標を変動量子回路の量子パラメータに変換する。 勾配評価は効率的であり,水素鎖,水および水酸化ベリリウムのPES上での波動関数の調製能力を示す。
  論文  参考訳（メタデータ） (2022-10-11T14:45:07Z)
• Neural network enhanced measurement efficiency for molecular groundstates [63.36515347329037]
  いくつかの分子量子ハミルトニアンの複雑な基底状態波動関数を学習するために、一般的なニューラルネットワークモデルを適用する。 ニューラルネットワークモデルを使用することで、単一コピー計測結果だけで観測対象を再構築するよりも堅牢な改善が得られます。
  論文  参考訳（メタデータ） (2022-06-30T17:45:05Z)
• Probing finite-temperature observables in quantum simulators of spin systems with short-time dynamics [62.997667081978825]
  ジャジンスキー等式から動機付けられたアルゴリズムを用いて, 有限温度可観測体がどのように得られるかを示す。 長範囲の逆場イジングモデルにおける有限温度相転移は、捕捉されたイオン量子シミュレータで特徴づけられることを示す。
  論文  参考訳（メタデータ） (2022-06-03T18:00:02Z)
• Quantum computation of molecular structure using data from challenging-to-classically-simulate nuclear magnetic resonance experiments [0.0]
  スピンスピナーの時間分解測定から分子核スピンハミルトニアンを推定するための量子アルゴリズムを提案する。 量子コンピュータ上で,対応する学習問題のヤコビアンとヘッセンを直接推定する能力を示す。
  論文  参考訳（メタデータ） (2021-09-05T20:20:49Z)
• Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
  我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。 このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。 このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
  論文  参考訳（メタデータ） (2021-06-24T15:58:57Z)
• Visualizing spinon Fermi surfaces with time-dependent spectroscopy [62.997667081978825]
  固体系において確立されたツールである時間依存性光電子分光法を低温原子量子シミュレーターに応用することを提案する。 1次元の$t-J$モデルの正確な対角化シミュレーションで、スピノンが非占有状態の効率的なバンド構造に出現し始めることを示す。 ポンプパルス後のスペクトル関数の依存性はスピノン間の集団的相互作用を明らかにする。
  論文  参考訳（メタデータ） (2021-05-27T18:00:02Z)
• Entanglement Hamiltonian Tomography in Quantum Simulation [0.0]
  量子シミュレータの絡み合いは、今日の中間スケール量子デバイスの時代において顕著な課題である。 本稿では, スピン系の密度行列と絡み合ったスペクトルを再構成するための効率的なトモグラフィープロトコルについて論じる。 数値シミュレーションを用いて1次元の長距離Isingモデルのプロトコルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2020-09-18T18:12:22Z)

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。