論文の概要: Matrix Model simulations using Quantum Computing, Deep Learning, and Lattice Monte Carlo

• arxiv url: http://arxiv.org/abs/2108.02942v1
• Date: Fri, 6 Aug 2021 05:20:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-19 05:13:03.315324
• Title: Matrix Model simulations using Quantum Computing, Deep Learning, and Lattice Monte Carlo
• Title（参考訳）: 量子コンピューティング、ディープラーニング、格子モンテカルロを用いた行列モデルシミュレーション
• Authors: Enrico Rinaldi, Xizhi Han, Mohammad Hassan, Yuan Feng, Franco Nori, Michael McGuigan, Masanori Hanada
• Abstract要約: マトリックス量子力学は、量子ブラックホールのホログラフィック記述など、理論物理学において様々な重要な役割を果たす。 量子コンピューティングとディープラーニングは、行列量子力学の力学を研究するための潜在的に有用なアプローチを提供する。
• 参考スコア（独自算出の注目度）: 1.1706540832106251
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Matrix quantum mechanics plays various important roles in theoretical physics, such as a holographic description of quantum black holes. Understanding quantum black holes and the role of entanglement in a holographic setup is of paramount importance for the development of better quantum algorithms (quantum error correction codes) and for the realization of a quantum theory of gravity. Quantum computing and deep learning offer us potentially useful approaches to study the dynamics of matrix quantum mechanics. In this paper we perform a systematic survey for quantum computing and deep learning approaches to matrix quantum mechanics, comparing them to Lattice Monte Carlo simulations. In particular, we test the performance of each method by calculating the low-energy spectrum.
• Abstract（参考訳）: マトリックス量子力学は、量子ブラックホールのホログラフィック記述など、理論物理学において様々な重要な役割を果たす。 量子ブラックホールの理解とホログラフィック設定における絡み合いの役割は、より良い量子アルゴリズム(量子誤り訂正符号)の開発と重力量子論の実現において最も重要なものである。 量子コンピューティングとディープラーニングは、行列量子力学の力学を研究するための潜在的に有用なアプローチを提供する。 本稿では,行列量子力学に対する量子コンピューティングとディープラーニングのアプローチに関する体系的な調査を行い,それを格子モンテカルロシミュレーションと比較する。 特に,低エネルギースペクトルを計算し,各手法の性能を検証した。

関連論文リスト

• Quantum Machine Learning: An Interplay Between Quantum Computing and Machine Learning [54.80832749095356]
  量子機械学習(QML)は、量子コンピューティングの原理と従来の機械学習を組み合わせた急速に成長する分野である。 本稿では,変分量子回路を用いてQMLアーキテクチャを開発する機械学習パラダイムの量子コンピューティングについて述べる。
  論文  参考訳（メタデータ） (2024-11-14T12:27:50Z)
• 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)
• The Quantum Density Matrix and its many uses: From quantum structure to quantum chaos and noisy simulators [0.0]
  量子状態の完全な記述と、そこから抽出できる観測可能な量を与える。 その数学的構造が説明され、量子相関の理解、量子カオスの解明、そして、効率的な量子状態トモグラフィーを備えたノイズの多い量子システムのためのソフトウェアシミュレータの開発に応用されている。
  論文  参考訳（メタデータ） (2023-03-15T16:25:07Z)
• 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)
• 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)
• Imaginary Time Propagation on a Quantum Chip [50.591267188664666]
  想像時間における進化は、量子多体系の基底状態を見つけるための顕著な技術である。 本稿では,量子コンピュータ上での仮想時間伝搬を実現するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-24T12:48:00Z)
• Quantum walk processes in quantum devices [55.41644538483948]
  グラフ上の量子ウォークを量子回路として表現する方法を研究する。 提案手法は,量子ウォークアルゴリズムを量子コンピュータ上で効率的に実装する方法である。
  論文  参考訳（メタデータ） (2020-12-28T18:04:16Z)
• Quantum reservoir computing: a reservoir approach toward quantum machine learning on near-term quantum devices [0.8206877486958002]
  量子貯水池コンピューティング(Quantum reservoir computing)は、時間的機械学習のように、量子システム上で複雑でリッチなダイナミクスを使用するアプローチである。 これらの量子機械学習アプローチはすべて、実験的に実現可能であり、最先端の量子デバイスに有効である。
  論文  参考訳（メタデータ） (2020-11-10T04:45:52Z)
• Light-Front Field Theory on Current Quantum Computers [0.06524460254566902]
  本研究は,光前線の定式化における量子場理論のシミュレーションのための量子アルゴリズムを提案する。 我々は、既存の量子デバイスが相対論的核物理学における境界状態の構造を研究するためにどのように使用できるかを実証する。
  論文  参考訳（メタデータ） (2020-09-16T18:32:00Z)
• Quantum simulation of quantum field theories as quantum chemistry [9.208624182273288]
  コンフォーマル・トランケーション(英: Conformal truncation)は、一般的な強結合量子場理論を解くための強力な数値法である。 量子計算は格子近似の基本的な物理を理解するのに役立つだけでなく、直接量子場理論の手法をシミュレートすることも示している。
  論文  参考訳（メタデータ） (2020-04-28T01:20:04Z)
• Machine Learning for Quantum Matter [0.0]
  本稿では,量子物質研究の進展をめざして,機械学習のアイデアの最近の発展と適応を概観する。 機械学習と量子多体物理学の交わる領域における今後の発展の展望について論じる。
  論文  参考訳（メタデータ） (2020-03-24T18:00:30Z)

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。