論文の概要: A Quantum-Inspired Probabilistic Model for the Inverse Design of Meta-Structures

• arxiv url: http://arxiv.org/abs/2011.05511v1
• Date: Wed, 11 Nov 2020 02:09:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-26 22:55:17.125271
• Title: A Quantum-Inspired Probabilistic Model for the Inverse Design of Meta-Structures
• Title（参考訳）: 量子インスパイアされたメタ構造の逆設計確率モデル
• Authors: Yingtao Luo and Xuefeng Zhu
• Abstract要約: 量子力学において、ノルム二乗波動関数は、与えられた位置または運動量で測定される粒子の確率を記述する確率密度として解釈することができる。 本稿では,機能的メタ構造の逆設計のための確率論的深層学習パラダイムを提案する。
• 参考スコア（独自算出の注目度）: 1.088579703049835
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In quantum mechanics, a norm squared wave function can be interpreted as the probability density that describes the likelihood of a particle to be measured in a given position or momentum. This statistical property is at the core of the microcosmos. Meanwhile, machine learning inverse design of materials raised intensive attention, resulting in various intelligent systems for matter engineering. Here, inspired by quantum theory, we propose a probabilistic deep learning paradigm for the inverse design of functional meta-structures. Our probability-density-based neural network (PDN) can accurately capture all plausible meta-structures to meet the desired performances. Local maxima in probability density distribution correspond to the most likely candidates. We verify this approach by designing multiple meta-structures for each targeted transmission spectrum to enrich design choices.
• Abstract（参考訳）: 量子力学において、ノルム二乗波動関数は、与えられた位置または運動量で測定される粒子の確率を記述する確率密度として解釈することができる。 この統計的性質は、ミクロコスモスの中核にある。 一方、素材の機械学習逆設計が注目され、物質工学のための様々なインテリジェントシステムが生まれた。 ここでは量子論にヒントを得て,機能的メタ構造の逆設計のための確率論的ディープラーニングパラダイムを提案する。 当社の確率密度ベースニューラルネットワーク(pdn)は,所望の性能を満たすために,可能なすべてのメタ構造を正確に捉えることができる。 確率密度分布の局所極大は、最も可能性の高い候補に対応する。 提案手法は,各伝送スペクトルに対して複数のメタ構造を設計すれば,設計選択を豊かにすることができる。

関連論文リスト

• The probabilistic world II : Quantum mechanics from classical statistics [0.0]
  確率的環境における活動的あるいは静かな状態のニューロンに基づく単純なニューロモルフィックコンピュータは、絡み合った2量子ビット系のユニタリ変換を学習することができる。 我々の明示的な構成は、古典統計学における量子力学の埋め込みのノーゴー定理が回避されるという証明を構成する。
  論文  参考訳（メタデータ） (2024-08-09T14:02:55Z)
• Quantum Systems from Random Probabilistic Automata [0.0]
  確率的更新を伴う確率的セルオートマトンは量子システムである。 一定回数の時間ステップの後、周期的に分布が再帰する特定の初期確率を求める。 エネルギーと運動量の保存は、確率的オートマトンの発展を理解するための重要な要素である。
  論文  参考訳（メタデータ） (2024-05-16T06:06:04Z)
• Spectral chaos bounds from scaling theory of maximally efficient quantum-dynamical scrambling [49.1574468325115]
  複雑な量子系のエルゴード定常状態への進化に関する重要な予想は、スクランブルとして知られるこの過程が最も効率的であるときに普遍的な特徴を取得することである。 このシナリオでは、完全なスクランブルダイナミクスに沿ったスペクトル相関の正確な自己相似性を具現化して、スペクトル統計量に対する単一パラメータスケーリング理論を開発する。 スケーリング予測は特権プロセスで一致し、他の動的スクランブルシナリオのバウンダリとして機能し、すべてのタイムスケールで非効率または不完全なスクランブルを定量化できるようにする。
  論文  参考訳（メタデータ） (2023-10-17T15:41:50Z)
• 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)
• Continuously Monitored Quantum Systems beyond Lindblad Dynamics [68.8204255655161]
  本研究では,観測可能な量子軌道上での観測可能な観測値の確率分布について検討する。 測定はシステム全体に適用され、システムを製品状態に投影する効果がある。
  論文  参考訳（メタデータ） (2023-05-06T18:09:17Z)
• Theory of Quantum Generative Learning Models with Maximum Mean Discrepancy [67.02951777522547]
  量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。 まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。 次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
  論文  参考訳（メタデータ） (2022-05-10T08:05:59Z)
• Noisy Quantum Kernel Machines [58.09028887465797]
  量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。 消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。 量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
  論文  参考訳（メタデータ） (2022-04-26T09:52:02Z)
• Learnability of the output distributions of local quantum circuits [53.17490581210575]
  2つの異なるオラクルモデルにおいて、量子回路Bornマシンの学習可能性について検討する。 我々はまず,超対数深度クリフォード回路の出力分布がサンプル効率良く学習できないという負の結果を示した。 より強力なオラクルモデル、すなわちサンプルに直接アクセスすると、局所的なクリフォード回路の出力分布は計算効率よくPACを学習可能であることを示す。
  論文  参考訳（メタデータ） (2021-10-11T18:00:20Z)
• Exact emergent quantum state designs from quantum chaotic dynamics [0.0]
  局所的にシステムの残りの部分の射影的測定から生成された,小さなサブシステム上でサポートされた純粋な状態のアンサンブルを考える。 このアンサンブルは、クエンチ力学に基づく量子カオス系のクラスから派生したもので、システムの詳細から完全に独立した普遍的な形式に近づいていることを厳密に示している。 我々の研究は、量子多体物理学、量子情報、ランダム行列理論の間の橋渡しを確立し、擬似ランダム状態が孤立した量子力学から生じうることを示す。
  論文  参考訳（メタデータ） (2021-09-15T18:00:10Z)
• Probability-Density-Based Deep Learning Paradigm for the Fuzzy Design of Functional Metastructures [6.437896705894243]
  量子力学において、ノルム二乗波動関数は、与えられた位置または運動量で測定される粒子の確率を記述する確率密度として解釈することができる。 本稿では,機能的メタ構造のファジィ設計のための確率密度に基づくディープラーニングパラダイムを提案する。
  論文  参考訳（メタデータ） (2020-11-11T02:22:46Z)
• Minimal informationally complete measurements for probability representation of quantum dynamics [0.0]
  確率分布に作用する擬確率写像を用いて有限次元量子系の力学を記述する手法を提案する。 提案されたアプローチの重要な利点は、最小情報完全正の演算子値測度(MIC-POVM)が対称バージョン(SIC-POVM)と比較して構成しやすいことである。 MIC-POVMに基づく確率表現をデジタル量子コンピューティングモデルに適用する。
  論文  参考訳（メタデータ） (2020-06-22T13:19:23Z)

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。