論文の概要: Neural networks in quantum many-body physics: a hands-on tutorial
- arxiv url: http://arxiv.org/abs/2101.11099v1
- Date: Tue, 26 Jan 2021 22:04:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-13 22:10:54.856285
- Title: Neural networks in quantum many-body physics: a hands-on tutorial
- Title（参考訳）: 量子多体物理学におけるニューラルネットワーク:ハンズオンチュートリアル
- Authors: Juan Carrasquilla, Giacomo Torlai
- Abstract要約: 本稿では、凝縮物質物理学および量子情報における機械学習の応用について概説する。
本稿では,畳み込み型ニューラルネットワークを用いた教師付き機械学習を用いて相転移を学習し,制限されたボルツマンマシンによる教師なし学習を用いて量子トモグラフィーを行い,多体ハミルトニアンの基底状態を近似するための繰り返しニューラルネットを用いた変分モンテカルロを提案する。
- 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: Over the past years, machine learning has emerged as a powerful computational
tool to tackle complex problems over a broad range of scientific disciplines.
In particular, artificial neural networks have been successfully deployed to
mitigate the exponential complexity often encountered in quantum many-body
physics, the study of properties of quantum systems built out of a large number
of interacting particles. In this Article, we overview some applications of
machine learning in condensed matter physics and quantum information, with
particular emphasis on hands-on tutorials serving as a quick-start for a
newcomer to the field. We present supervised machine learning with
convolutional neural networks to learn a phase transition, unsupervised
learning with restricted Boltzmann machines to perform quantum tomography, and
variational Monte Carlo with recurrent neural-networks for approximating the
ground state of a many-body Hamiltonian. We briefly review the key ingredients
of each algorithm and their corresponding neural-network implementation, and
show numerical experiments for a system of interacting Rydberg atoms in two
dimensions.
- Abstract（参考訳）: 過去数年間、機械学習は、幅広い科学分野にわたる複雑な問題に取り組む強力な計算ツールとして登場してきた。
特に、ニューラルネットワークは、多数の相互作用する粒子からなる量子システムの性質の研究である量子多体物理学でしばしば発生する指数的複雑性を軽減するためにうまく展開されている。
本稿では,凝縮物質物理学と量子情報における機械学習の応用について概説する。
本稿では,畳み込みニューラルネットワークを用いた教師付き機械学習により相転移を学習し,制限されたボルツマンマシンを用いて量子トモグラフィを行う教師なし学習と,多体ハミルトニアンの基底状態を近似する繰り返しニューラルネットワークを用いた変分モンテカルロを提案する。
本稿では,各アルゴリズムの主要成分とそれに対応するニューラルネットワークの実装を概観し,リドバーグ原子を2次元で相互作用させる系の数値実験を行う。
関連論文リスト
- Boltzmann machines and quantum many-body problems [0.0]
この課題に対処するために、機械学習を使った新しいアプローチが導入された。
そのアイデアは、非自明な量子相関(量子絡み合い)を人工ニューラルネットワークに"埋め込む"ことである。
このレビューはボルツマンマシンに焦点をあて、最近の開発と応用の概要を提供する。
論文 参考訳（メタデータ） (2023-06-29T12:00:23Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - Towards Neural Variational Monte Carlo That Scales Linearly with System
Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。
量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。
ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文 参考訳（メタデータ） (2022-12-21T19:00:04Z) - An Invitation to Distributed Quantum Neural Networks [0.0]
分散量子ニューラルネットワークにおける技術の現状を概観する。
量子データセットの分布は、量子モデルの分布よりも古典的な分布と類似性があることが分かる。
論文 参考訳（メタデータ） (2022-11-14T00:27:01Z) - Quantum Neural Network Classifiers: A Tutorial [1.4567067583556714]
我々は、パラメータ化量子回路の形で量子ニューラルネットワークに焦点を当てる。
我々は主に、教師付き学習タスクのための量子ニューラルネットワークの異なる構造と符号化戦略について議論する。
Julia言語で記述された量子シミュレーションパッケージであるYoo.jlを使って、パフォーマンスをベンチマークする。
論文 参考訳（メタデータ） (2022-06-06T18:00:01Z) - Modern applications of machine learning in quantum sciences [51.09906911582811]
本稿では、教師なし、教師なし、強化学習アルゴリズムにおけるディープラーニングとカーネル手法の使用について述べる。
我々は、微分可能プログラミング、生成モデル、機械学習に対する統計的アプローチ、量子機械学習など、より専門的なトピックについて議論する。
論文 参考訳（メタデータ） (2022-04-08T17:48:59Z) - Quantum neural networks force fields generation [0.0]
量子ニューラルネットワークアーキテクチャを設計し、複雑性が増大するさまざまな分子に適用することに成功しています。
量子モデルは古典的なモデルに対してより大きな有効次元を示し、競争性能に達することができる。
論文 参考訳（メタデータ） (2022-03-09T12:10:09Z) - Mutual Reinforcement between Neural Networks and Quantum Physics [0.0]
量子機械学習は、量子力学と機械学習の共生から生まれる。
古典的な機械学習を量子物理学問題に適用するためのツールとして使う。
量子パーセプトロンの力学に基づく量子ニューラルネットワークの設計と、短絡の断熱への応用は、短時間の動作時間と堅牢な性能をもたらす。
論文 参考訳（メタデータ） (2021-05-27T16:20:50Z) - The Hintons in your Neural Network: a Quantum Field Theory View of Deep
Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。
ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文 参考訳（メタデータ） (2021-03-08T17:24:29Z) - Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。
演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文 参考訳（メタデータ） (2021-01-21T22:18:49Z) - Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。
我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文 参考訳（メタデータ） (2019-12-31T07:40:23Z)
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。