論文の概要: Learning quantum phases via single-qubit disentanglement
- arxiv url: http://arxiv.org/abs/2107.03542v4
- Date: Thu, 18 Jul 2024 08:16:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-20 00:38:23.380767
- Title: Learning quantum phases via single-qubit disentanglement
- Title（参考訳）: 単一量子ビット解離による量子位相の学習
- Authors: Zheng An, Chenfeng Cao, Cheng-Qian Xu, D. L. Zhou,
- Abstract要約: 本稿では、強化学習最適化変分量子回路による解離を利用した、新しい、効率的な量子位相遷移を提案する。
提案手法は, 分離回路の性能に基づく位相遷移を同定するだけでなく, 拡張性にも優れ, より大規模で複雑な量子システムへの応用が促進される。
- 参考スコア（独自算出の注目度）: 4.266508670102269
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Identifying phases of matter presents considerable challenges, particularly within the domain of quantum theory, where the complexity of ground states appears to increase exponentially with system size. Quantum many-body systems exhibit an array of complex entanglement structures spanning distinct phases. Although extensive research has explored the relationship between quantum phase transitions and quantum entanglement, establishing a direct, pragmatic connection between them remains a critical challenge. In this work, we present a novel and efficient quantum phase transition classifier, utilizing disentanglement with reinforcement learning-optimized variational quantum circuits. We demonstrate the effectiveness of this method on quantum phase transitions in the transverse field Ising model (TFIM) and the XXZ model. Moreover, we observe the algorithm's ability to learn the Kramers-Wannier duality pertaining to entanglement structures in the TFIM. Our approach not only identifies phase transitions based on the performance of the disentangling circuits but also exhibits impressive scalability, facilitating its application in larger and more complex quantum systems. This study sheds light on the characterization of quantum phases through the entanglement structures inherent in quantum many-body systems.
- Abstract（参考訳）: 物質の相を同定することは、特に量子論の領域において、基底状態の複雑さがシステムサイズとともに指数関数的に増加するという大きな課題を示す。
量子多体系は、異なる位相にまたがる複雑な絡み合い構造を示す。
量子相転移と量子エンタングルメントの関係について広範な研究が行われてきたが、それらの間の直接的かつ実践的な接続を確立することは重要な課題である。
本研究では,拡張学習最適化変分量子回路による解離を利用した,新しい,効率的な量子位相遷移分類器を提案する。
本稿では,この手法が横場イジングモデル(TFIM)とXXZモデルにおける量子相転移に与える影響を実証する。
さらに,TFIMの絡み合い構造に関連するKramers-Wannier双対性を学習するアルゴリズムの能力を観察する。
提案手法は, 分離回路の性能に基づく位相遷移を同定するだけでなく, 拡張性にも優れ, より大規模で複雑な量子システムへの応用が促進される。
この研究は、量子多体系に固有の絡み合い構造を通して、量子相のキャラクタリゼーションに光を当てる。
関連論文リスト
- Unveiling quantum phase transitions from traps in variational quantum algorithms [0.0]
量子最適化と古典的機械学習を組み合わせたハイブリッドアルゴリズムを提案する。
従来の位相遷移の同定にはLASSO、トポロジカル遷移にはTransformerモデルを用いる。
我々のプロトコルは効率と精度を大幅に向上させ、量子コンピューティングと機械学習の統合における新たな道を開く。
論文 参考訳（メタデータ） (2024-05-14T09:01:41Z) - Quantum reservoir probing of quantum phase transitions [0.0]
量子状態遷移は局所的な量子クエンチによって誘起される局所化された平衡外励起によって検出できることを示す。
局所的なクエンチの影響は異なる量子相によって異なり、量子臨界点付近で増幅された量子ゆらぎによって著しく抑制される。
我々は、QRPが、パラダイム的可積分および非可積分量子系における量子相転移、さらには位相的量子相転移を検出できることを実証した。
論文 参考訳（メタデータ） (2024-02-11T03:53:01Z) - 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) - Measurement-induced entanglement and teleportation on a noisy quantum
processor [105.44548669906976]
最大70個の超伝導量子ビット上の測定誘起量子情報相について検討した。
二重性マッピングを用いて、中間回路の測定を回避し、基礎となる位相の異なる表現にアクセスする。
我々の研究は、現在のNISQプロセッサの限界であるスケールでの計測誘起物理を実現するためのアプローチを示す。
論文 参考訳（メタデータ） (2023-03-08T18:41:53Z) - Multipartite Entanglement in the Measurement-Induced Phase Transition of
the Quantum Ising Chain [77.34726150561087]
量子多体系の外部監視は、測定誘起相転移を引き起こす。
この遷移は、二部類間相関から多部類間絡み合いにまで及んでいる。
論文 参考訳（メタデータ） (2023-02-13T15:54:11Z) - Lee-Yang theory of quantum phase transitions with neural network quantum
states [0.0]
ニューラルネットワーク量子状態は、強相関スピン格子の臨界点を予測するために、量子相転移のLee-Yang理論と組み合わせることができることを示す。
この結果は、より複雑な量子多体系の位相図を決定するための出発点となる。
論文 参考訳（メタデータ） (2023-01-24T11:10:37Z) - 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) - Quantum Phases of Matter on a 256-Atom Programmable Quantum Simulator [41.74498230885008]
決定論的に作成された中性原子の2次元配列に基づくプログラマブル量子シミュレータを実証する。
我々は高忠実度反強磁性状態の生成と特徴付けによりシステムをベンチマークする。
次に、相互作用とコヒーレントレーザー励起の間の相互作用から生じるいくつかの新しい量子相を作成し、研究する。
論文 参考訳（メタデータ） (2020-12-22T19:00:04Z) - Observation of many-body quantum phase transitions beyond the
Kibble-Zurek mechanism [4.911749334377798]
我々は超流動からモット絶縁体への量子相転移を調べるためにバンドマッピング法を改善した。
本研究では, 動的定常緩和領域と位相振動領域の両方において, 量子相転移の臨界挙動を観察する。
論文 参考訳（メタデータ） (2020-12-03T07:21:57Z) - Unsupervised machine learning of quantum phase transitions using
diffusion maps [77.34726150561087]
本研究では, 測定データの非線形次元減少とスペクトルクラスタリングを行う拡散写像法が, 教師なしの複雑な位相遷移を学習する上で有意なポテンシャルを持つことを示す。
この方法は、局所観測可能量の単一の基底での測定に役立ち、多くの実験的な量子シミュレータに容易に適用できる。
論文 参考訳（メタデータ） (2020-03-16T18:40:13Z) - Quantum Statistical Complexity Measure as a Signalling of Correlation
Transitions [55.41644538483948]
本稿では, 量子情報理論の文脈において, 統計的複雑性尺度の量子バージョンを導入し, 量子次数-次数遷移のシグナル伝達関数として利用する。
我々はこの測度を2つの正確に解けるハミルトンモデル、すなわち1D$量子イジングモデルとハイゼンベルクXXZスピン-1/2$チェーンに適用する。
また、考察されたモデルに対して、この測度を1量子および2量子の還元状態に対して計算し、その挙動を有限系のサイズと熱力学的限界に対して解析する。
論文 参考訳（メタデータ） (2020-02-05T00:45:21Z)
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。