論文の概要: Quantum Ground States from Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2006.09044v1
- Date: Tue, 16 Jun 2020 10:04:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-13 18:08:58.783588
- Title: Quantum Ground States from Reinforcement Learning
- Title（参考訳）: 強化学習による量子基底状態
- Authors: Ariel Barr, Willem Gispen, Austen Lamacraft
- Abstract要約: 量子力学系の基底状態を見つけることは最適制御問題として定式化できる。
この定式化において、最適に制御された過程のドリフトは、虚時間シュリンガー方程式の解のファインマン-カック表現における経路の分布に一致するように選択される。
これは、ドリフトの神経表現の強化学習に使用できる変分原理を提供する。
- 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: Finding the ground state of a quantum mechanical system can be formulated as
an optimal control problem. In this formulation, the drift of the optimally
controlled process is chosen to match the distribution of paths in the
Feynman--Kac (FK) representation of the solution of the imaginary time
Schr\"odinger equation. This provides a variational principle that can be used
for reinforcement learning of a neural representation of the drift. Our
approach is a drop-in replacement for path integral Monte Carlo, learning an
optimal importance sampler for the FK trajectories. We demonstrate the
applicability of our approach to several problems of one-, two-, and
many-particle physics.
- Abstract（参考訳）: 量子力学系の基底状態を見つけることは最適制御問題として定式化できる。
この定式化において、最適に制御された過程のドリフトは、想像時間 Schr\"odinger 方程式の解のFeynman--Kac (FK) 表現の経路の分布に一致するように選択される。
これは、ドリフトの神経表現の強化学習に使用できる変動原理を提供する。
我々のアプローチは経路積分モンテカルロのドロップイン置換であり、FK軌道に対する最適な重要サンプリングを学習する。
我々は, 1-, 2-, 多粒子物理学のいくつかの問題に対するアプローチの適用性を実証する。
関連論文リスト
- A Theoretical Framework for an Efficient Normalizing Flow-Based Solution to the Electronic Schrodinger Equation [8.648660469053342]
量子力学における中心的な問題は、分子や物質に対する電子シュロディンガー方程式を解くことである。
アンザッツを用いた解法は, サンプリングが安価であるが, 必要な量子力学的性質を満足する。
論文 参考訳（メタデータ） (2024-05-28T15:42:15Z) - Wasserstein Quantum Monte Carlo: A Novel Approach for Solving the
Quantum Many-Body Schr\"odinger Equation [56.9919517199927]
ワーッセルシュタイン量子モンテカルロ (WQMC) はフィッシャー・ラオ計量ではなくワーッセルシュタイン計量によって誘導される勾配流を用いており、テレポートではなく確率質量の輸送に対応する。
我々は、WQMCの力学が分子系の基底状態へのより高速な収束をもたらすことを実証的に実証した。
論文 参考訳（メタデータ） (2023-07-06T17:54:08Z) - Learning ground states of gapped quantum Hamiltonians with Kernel
Methods [0.0]
本稿では,カーネル手法を用いて最適化を容易にする統計的学習手法を提案する。
提案手法は,電力の次のステップを学習するために教師付き学習を用いる電力法を近似的に実現したものである。
論文 参考訳（メタデータ） (2023-03-15T19:37:33Z) - Quantum State Transfer Optimization: Balancing Fidelity and Energy
Consumption using Pontryagin Maximum Principle [1.0819408603463425]
我々は、Liouville-von Neumann方程式の原理に固執しながら、初期状態から望ましい状態へ量子システムをナビゲートすることを目指している。
この問題に関連する行列値力学に対するポントリャーギン原理(PMP)の形で最適条件を導出する。
最適制御問題の解法として,時間分散計算方式を提案する。
論文 参考訳（メタデータ） (2023-01-30T12:53:48Z) - A self-consistent field approach for the variational quantum
eigensolver: orbital optimization goes adaptive [52.77024349608834]
適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。
このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
論文 参考訳（メタデータ） (2022-12-21T23:15:17Z) - Fermionic approach to variational quantum simulation of Kitaev spin
models [50.92854230325576]
キタエフスピンモデルは、自由フェルミオンへの写像を通じて、あるパラメータ状態において正確に解けることで知られている。
古典的なシミュレーションを用いて、このフェルミオン表現を利用する新しい変分アンザッツを探索する。
また、量子コンピュータ上での非アベリアオンをシミュレートするための結果の意味についてもコメントする。
論文 参考訳（メタデータ） (2022-04-11T18:00:01Z) - Bernstein-Greene-Kruskal approach for the quantum Vlasov equation [91.3755431537592]
一次元定常量子ブラソフ方程式は、エネルギーを力学変数の1つとして分析する。
量子トンネル効果が小さい半古典的な場合、無限級数解が開発される。
論文 参考訳（メタデータ） (2021-02-18T20:55:04Z) - Quantum-optimal-control-inspired ansatz for variational quantum
algorithms [105.54048699217668]
変分量子アルゴリズム (VQA) の中心成分は状態準備回路(英語版)であり、アンザッツ(英語版)または変分形式(英語版)とも呼ばれる。
ここでは、対称性を破るユニタリを組み込んだ「解」を導入することで、このアプローチが必ずしも有利であるとは限らないことを示す。
この研究は、より一般的な対称性を破るアンスの開発に向けた第一歩となり、物理学や化学問題への応用に繋がる。
論文 参考訳（メタデータ） (2020-08-03T18:00:05Z) - 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)
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。