論文の概要: Analysis of a density matrix renormalization group approach for transport in open quantum systems

• arxiv url: http://arxiv.org/abs/2009.08200v1
• Date: Thu, 17 Sep 2020 10:37:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-02 00:19:11.239165
• Title: Analysis of a density matrix renormalization group approach for transport in open quantum systems
• Title（参考訳）: 開量子系における輸送のための密度行列再正規化群アプローチの解析
• Authors: Heitor P. Casagrande, Dario Poletti, Gabriel T. Landi
• Abstract要約: 密度行列再正規化群に基づくツールは閉系の研究に広く利用されている。 本稿では,MPS(State-of-the-art matrix Product State)とテンソルネットワーク手法に基づく実装を提案する。 この実装は, 1次元システムにおける熱輸送の研究に適していることを示す。
• 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: Understanding the intricate properties of one-dimensional quantum systems coupled to multiple reservoirs poses a challenge to both analytical approaches and simulation techniques. Fortunately, density matrix renormalization group-based tools, which have been widely used in the study of closed systems, have also been recently extended to the treatment of open systems. We present an implementation of such method based on state-of-the-art matrix product state (MPS) and tensor network methods, that produces accurate results for a variety of combinations of parameters. Unlike most approaches, which use the time-evolution to reach the steady-state, we focus on an algorithm that is time-independent and focuses on recasting the problem in exactly the same language as the standard Density Matrix Renormalization Group (DMRG) algorithm, initially put forward by M. C. Ba\~nuls et al. in Phys. Rev. Lett. 114, 220601 (2015). Hence, it can be readily exported to any of the available DMRG platforms. We show that this implementation is suited for studying thermal transport in one-dimensional systems. As a case study, we focus on the XXZ quantum spin chain and benchmark our results by comparing the spin current and magnetization profiles with analytical results. We then explore beyond what can be computed analytically. Our code is freely available on github at https://www.github.com/heitorc7/oDMRG.
• Abstract（参考訳）: 複数の貯水池に結合した1次元量子系の複雑な性質を理解することは、解析的アプローチとシミュレーション技術の両方に挑戦する。 幸いなことに、閉じたシステムの研究で広く使われている密度行列再正規化グループベースのツールも、最近オープンシステムの処理に拡張されている。 本稿では,MPS(State-of-the-art matrix product state)とテンソルネットワーク(tensor network method)に基づいて,パラメータの組み合わせの正確な結果を生成する手法を提案する。 定常状態に到達するために時間進化を利用するほとんどのアプローチとは異なり、我々は時間に依存しないアルゴリズムに焦点を当て、PhysのM.C. Ba\~nulsらによって最初に提案された標準密度行列正規化群(DMRG)アルゴリズムと全く同じ言語で問題を再キャストすることに焦点をあてる。 Rev. Lett. 114, 220601 (2015). したがって、利用可能なDMRGプラットフォームのいずれかに簡単にエクスポートできる。 この実装は1次元系の熱輸送の研究に適していることを示す。 ケーススタディでは、XXZ量子スピンチェーンに着目し、スピン電流と磁化プロファイルと分析結果を比較して結果をベンチマークする。 そして、分析的に計算できるものを超えて探索する。 私たちのコードは、githubのhttps://www.github.com/heitorc7/odmrgで無料で利用できます。

関連論文リスト

• Harmonic Path Integral Diffusion [0.4527270266697462]
  本稿では,連続多変量確率分布から抽出する新しい手法を提案する。 本手法では,状態空間の起点を中心とするデルタ関数を$t=0$とし,ターゲット分布に$t=1$で変換する。 これらのアルゴリズムは他のサンプリング手法、特にシミュレートおよびパス積分サンプリングと対比し、解析制御、精度、計算効率の点でそれらの利点を強調した。
  論文  参考訳（メタデータ） (2024-09-23T16:20:21Z)
• Tensor network renormalization: application to dynamic correlation functions and non-hermitian systems [0.0]
  本稿では,動的相関関数の計算を可能にするLoop-TNRアルゴリズムの実装について述べる。 また,非エルミート系の臨界特性を調べるためにLoop-TNRアルゴリズムが適用可能であることも強調した。
  論文  参考訳（メタデータ） (2023-11-30T18:34:32Z)
• Large-scale gradient-based training of Mixtures of Factor Analyzers [67.21722742907981]
  本稿では,勾配降下による高次元学習を効果的に行うための理論解析と新しい手法の両立に寄与する。 MFAトレーニングと推論/サンプリングは,学習終了後の行列逆変換を必要としない精度行列に基づいて行うことができることを示す。 理論解析と行列の他に,SVHNやMNISTなどの画像データセットにMFAを適用し,サンプル生成と外乱検出を行う能力を示す。
  論文  参考訳（メタデータ） (2023-08-26T06:12:33Z)
• GRAPE optimization for open quantum systems with time-dependent decoherence rates driven by coherent and incoherent controls [77.34726150561087]
  グラディエントアセンセントパルス工学(GRAPE)法は量子制御の最適化に広く用いられている。 我々は、コヒーレント制御と非コヒーレント制御の両方によって駆動されるオープン量子系の目的関数を最適化するために、GRAPE法を採用する。 状態-状態遷移問題に対する数値シミュレーションによりアルゴリズムの効率を実証する。
  論文  参考訳（メタデータ） (2023-07-17T13:37:18Z)
• Matrix Product Renormalization Group: Potential Universal Quantum Many-Body Solver [0.0]
  行列積再正規化群 (MPRG) と呼ばれる連続テンソルネットワークアルゴリズムの改良式を提案する。 MPRGは普遍的な量子多体解法であり、ゼロ温度と有限温度の両方で2次元と高次元で動作する可能性があり、開量子系にも適用できる。
  論文  参考訳（メタデータ） (2022-12-26T19:00:01Z)
• A density-matrix renormalization group algorithm for simulating quantum circuits with a finite fidelity [3.965473736150699]
  量子回路シミュレーションのための密度行列再正規化群 (DMRG) アルゴリズムを開発した。 小さな回路深度では、この手法は正確であり、他の行列積状態(MPS)に基づく手法と等価である。
  論文  参考訳（メタデータ） (2022-07-12T15:28:55Z)
• Self-supervised Symmetric Nonnegative Matrix Factorization [82.59905231819685]
  シンメトリー非負係数行列(SNMF)は、データクラスタリングの強力な方法であることを示した。 より良いクラスタリング結果を求めるアンサンブルクラスタリングにインスパイアされた,自己監視型SNMF(S$3$NMF)を提案する。 SNMFのコード特性に対する感度を、追加情報に頼らずに活用しています。
  論文  参考訳（メタデータ） (2021-03-02T12:47:40Z)
• Beating the House: Fast Simulation of Dissipative Quantum Systems with Ensemble Rank Truncation [0.0]
  本稿では,散逸量子系のシミュレーションのための新しい手法を提案する。 この方法は、リンドブラッド方程式をクラウス写像に近似的に分解することで構成される。 弱い結合状態において、この手法は既存のモンテカルロ法よりも精度と速度の両面で桁違いに優れていることがわかった。
  論文  参考訳（メタデータ） (2020-10-12T02:01:27Z)
• Coded Stochastic ADMM for Decentralized Consensus Optimization with Edge Computing [113.52575069030192]
  セキュリティ要件の高いアプリケーションを含むビッグデータは、モバイルデバイスやドローン、車両など、複数の異種デバイスに収集され、格納されることが多い。 通信コストとセキュリティ要件の制限のため、核融合センターにデータを集約するのではなく、分散的に情報を抽出することが最重要となる。 分散エッジノードを介してデータを局所的に処理するマルチエージェントシステムにおいて,モデルパラメータを学習する問題を考える。 分散学習モデルを開発するために,乗算器アルゴリズムの最小バッチ交互方向法(ADMM)のクラスについて検討した。
  論文  参考訳（メタデータ） (2020-10-02T10:41:59Z)
• Kernel learning approaches for summarising and combining posterior similarity matrices [68.8204255655161]
  我々は,ベイズクラスタリングモデルに対するMCMCアルゴリズムの出力を要約するための新しいアプローチを提案するために,後部類似性行列(PSM)の概念を構築した。 我々の研究の重要な貢献は、PSMが正の半定値であり、したがって確率的に動機付けられたカーネル行列を定義するのに使用できることである。
  論文  参考訳（メタデータ） (2020-09-27T14:16:14Z)
• A Dynamical Systems Approach for Convergence of the Bayesian EM Algorithm [59.99439951055238]
  我々は、(離散時間)リアプノフ安定性理論が、必ずしも勾配ベースではない最適化アルゴリズムの分析(および潜在的な設計)において、いかに強力なツールとして役立つかを示す。 本稿では,不完全データベイズフレームワークにおけるパラメータ推定を,MAP-EM (maximum a reari expectation-maximization) と呼ばれる一般的な最適化アルゴリズムを用いて行うことに着目したML問題について述べる。 高速収束(線形あるいは二次的)が達成され,S&Cアプローチを使わずに発表することが困難であった可能性が示唆された。
  論文  参考訳（メタデータ） (2020-06-23T01:34:18Z)

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。