Fugu-MT 論文翻訳(概要): Hybrid convolutional neural network and PEPS wave functions for quantum many-particle states

論文の概要: Hybrid convolutional neural network and PEPS wave functions for quantum many-particle states

arxiv url: http://arxiv.org/abs/2009.14370v2
Date: Wed, 13 Jan 2021 14:55:34 GMT
ステータス: 処理完了
システム内更新日: 2023-04-30 14:24:03.026206
Title: Hybrid convolutional neural network and PEPS wave functions for quantum many-particle states
Title（参考訳）: 量子多粒子状態に対するハイブリッド畳み込みニューラルネットワークとPEPS波動関数
Authors: Xiao Liang, Shao-Jun Dong and Lixin He
Abstract要約: 畳み込みニューラルネットワーク(CNN)と投影型絡み合ったペア状態(PEPS)を組み合わせたハイブリッド波動関数を提案する。得られた基底エネルギーが最先端の結果と競合していることが示される。
参考スコア（独自算出の注目度）: 2.9449581560402747
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Neural networks have been used as variational wave functions for quantum many-particle problems. It has been shown that the correct sign structure is crucial to obtain the high accurate ground state energies. In this work, we propose a hybrid wave function combining the convolutional neural network (CNN) and projected entangled pair states (PEPS), in which the sign structures are determined by the PEPS, and the amplitudes of the wave functions are provided by CNN. We benchmark the ansatz on the highly frustrated spin-1/2 $J_1$-$J_2$ model. We show that the achieved ground energies are competitive to state-of-the-art results.
Abstract（参考訳）: ニューラルネットワークは量子多粒子問題の変分波動関数として使われてきた。高精度な基底状態エネルギーを得るためには, 正しい符号構造が重要であることが示されている。本研究では,畳み込み型ニューラルネットワーク(CNN)と投影型絡み合ったペア状態(PEPS)を組み合わせたハイブリッド波動関数を提案する。我々は、非常にフラストレーションの高いスピン-1/2$J_1$-$J_2$モデルでアンサッツをベンチマークする。得られた基底エネルギーが最先端の結果と競合することを示す。

関連論文リスト

From $SU(2)$ holonomies to holographic duality via tensor networks [0.0]
スピンネットワーク状態のテンソルネットワーク表現を構築し、$SU(2)$ゲージ不変離散場理論に対応する。スピンネットワーク状態は、プランクスケール物理学に対するループ量子重力(LQG)アプローチにおいて中心的な役割を果たす。
論文参考訳（メタデータ） (2024-10-24T14:59:35Z)
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)
Pairing-based graph neural network for simulating quantum materials [0.8192907805418583]
量子多体系をシミュレーションするためのペアリング型グラフニューラルネットワークを開発した。我々のニューラルネットワークを用いた変分モンテカルロは、多数の電子システムをシミュレートするための正確で柔軟でスケーラブルな手法を同時に提供します。
論文参考訳（メタデータ） (2023-11-03T17:12:29Z)
GaborPINN: Efficient physics informed neural networks using multiplicative filtered networks [0.0]
物理インフォームドニューラルネットワーク(PINN)は、ニューラルネットワーク(NN)で表される機能的ウェーブフィールドソリューションを提供する本稿では,学習における波動場の特徴のいくつかを組み込んだ乗算フィルタネットワークを用いた改良PINNを提案する。提案手法は,従来のPINNと比較して,収束速度が最大2マグニチュード向上する。
論文参考訳（メタデータ） (2023-08-10T19:51:00Z)
Simulation of Entanglement Generation between Absorptive Quantum Memories [56.24769206561207]
我々は、QUantum Network Communication (SeQUeNCe) のオープンソースシミュレータを用いて、2つの原子周波数コム(AFC)吸収量子メモリ間の絡み合いの発生をシミュレートする。本研究は,SeQUeNCe における truncated Fock 空間内の光量子状態の表現を実現する。本研究では,SPDC音源の平均光子数と,平均光子数とメモリモード数の両方で異なる絡み合い発生率を観測する。
論文参考訳（メタデータ） (2022-12-17T05:51:17Z)
QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文参考訳（メタデータ） (2022-11-09T21:43:16Z)
Entangling Quantum Generative Adversarial Networks [53.25397072813582]
量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。 EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
論文参考訳（メタデータ） (2021-04-30T20:38:41Z)
Learning the ground state of a non-stoquastic quantum Hamiltonian in a rugged neural network landscape [0.0]
ニューラルネットワークに基づく普遍的変動波動関数のクラスについて検討する。特に,本稿では,ニューラルネットワークの表現率とモンテカルロサンプリングが一次制限因子ではないことを示す。
論文参考訳（メタデータ） (2020-11-23T05:25:47Z)
Variational Monte Carlo calculations of $\mathbf{A\leq 4}$ nuclei with an artificial neural-network correlator ansatz [62.997667081978825]
光核の基底状態波動関数をモデル化するためのニューラルネットワーク量子状態アンサッツを導入する。我々は、Aleq 4$核の結合エネルギーと点核密度を、上位のピオンレス実効場理論から生じるものとして計算する。
論文参考訳（メタデータ） (2020-07-28T14:52:28Z)
Entanglement generation via power-of-SWAP operations between dynamic electron-spin qubits [62.997667081978825]
表面音響波(SAW)は、圧電材料内で動く量子ドットを生成することができる。動的量子ドット上の電子スピン量子ビットがどのように絡み合うかを示す。
論文参考訳（メタデータ） (2020-01-15T19:00:01Z)

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。