論文の概要: Emulating ultrafast dissipative quantum dynamics with deep neural networks

• arxiv url: http://arxiv.org/abs/2108.06261v1
• Date: Fri, 13 Aug 2021 14:19:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-18 14:57:41.626633
• Title: Emulating ultrafast dissipative quantum dynamics with deep neural networks
• Title（参考訳）: ディープニューラルネットワークによる超高速散逸量子ダイナミクスのエミュレート
• Authors: Nikolai D. Klimkin
• Abstract要約: 深層ニューラルネットワークは、駆動型散逸量子力学をエミュレートするために訓練可能であることを示す。 数サイクルの磁気パルスを照射した有限横イジングモデルの例を用いて,本手法の有効性を検証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The simulation of driven dissipative quantum dynamics is often prohibitively computation-intensive, especially when it is calculated for various shapes of the driving field. We engineer a new feature space for representing the field and demonstrate that a deep neural network can be trained to emulate these dynamics by mapping this representation directly to the target observables. We demonstrate that with this approach, the system response can be retrieved many orders of magnitude faster. We verify the validity of our approach using the example of finite transverse Ising model irradiated with few-cycle magnetic pulses interacting with a Markovian environment. We show that our approach is sufficiently generalizable and robust to reproduce responses to pulses outside the training set.
• Abstract（参考訳）: 駆動散逸量子力学のシミュレーションは、特に駆動場の様々な形状について計算する場合、しばしば計算集約的である。 我々は、フィールドを表現するための新しい特徴空間を設計し、この表現を対象のオブザーバブルに直接マッピングすることで、ディープニューラルネットワークがこれらのダイナミクスをエミュレートするように訓練できることを実証する。 このアプローチでは,システム応答を何桁も高速に取得できることを実証する。 マルコフ環境と相互作用する数サイクルの磁気パルスを照射した有限横イジングモデルの例を用いて,本手法の有効性を検証する。 本手法は,トレーニングセット外のパルスに対する応答を再現するのに十分な一般化と頑健性を示す。

関連論文リスト

• Quantum simulation of dynamical gauge theories in periodically driven Rydberg atom arrays [0.0]
  我々は、時間周期駆動に基づくチューニング可能な多体インタラクションを生成する方法を開発した。 このような駆動は、それぞれの演算子重みにおいて強度が摂動的でない多体相互作用を持つ実効ハミルトニアンの族を生じさせることを示す。
  論文  参考訳（メタデータ） (2024-08-05T18:00:03Z)
• Statistical and machine learning approaches for prediction of long-time excitation energy transfer dynamics [0.0]
  ここでの目的は、SARIMA、CatBoost、Prophet、畳み込み、反復ニューラルネットワークのようなモデルがこの要件を回避できるかどうかを示すことである。 以上の結果から,SARIMAモデルが長期力学の予測を行うための計算コストが安価かつ正確な方法として機能することが示唆された。
  論文  参考訳（メタデータ） (2022-10-25T16:50:26Z)
• Spreading of a local excitation in a Quantum Hierarchical Model [62.997667081978825]
  常磁性相における量子ダイソン階層モデルのダイナミクスについて検討する。 地磁気場状態の局所励起による初期状態を考慮する。 局所化機構が発見され、励起は任意の時間で初期位置に近づいたままである。
  論文  参考訳（メタデータ） (2022-07-14T10:05:20Z)
• Deep Impulse Responses: Estimating and Parameterizing Filters with Deep Networks [76.830358429947]
  高雑音および地中設定におけるインパルス応答推定は難しい問題である。 本稿では,ニューラル表現学習の最近の進歩に基づいて,インパルス応答のパラメータ化と推定を行う新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-07T18:57:23Z)
• Heisenberg treatment of multiphoton pulses in waveguide QED with time-delayed feedback [62.997667081978825]
  我々は、多重時間相関を単一時間行列要素に分解するために、ヒルベルト空間における状態の完全な集合への射影を提案する。 半無限導波路に結合し、量子光パルスと相互作用する2レベル系のパラダイム的な例を考える。
  論文  参考訳（メタデータ） (2021-11-04T12:29:25Z)
• Deep Learning of Quantum Many-Body Dynamics via Random Driving [0.0]
  量子多体系の力学を予測するための深層学習の力を示す。 ネットワークがトレーニングされたネットワークの3倍の速さで動的に外挿できることを示す。
  論文  参考訳（メタデータ） (2021-05-01T22:46:42Z)
• Importance Sampling Scheme for the Stochastic Simulation of Quantum Spin Dynamics [0.0]
  我々は,量子スピンダイナミクスのシミュレーションのための重要なサンプリング手法を開発した。 次に、支配的な軌道に近い軌道を優先的にサンプリングする正確な変換を行う。 本手法は, 変動量の時間的増加を低減できることを示す。
  論文  参考訳（メタデータ） (2021-03-30T16:18:28Z)
• Molecular spin qudits for quantum simulation of light-matter interactions [62.223544431366896]
  分子スピンキューディットは、物質と強く相互作用する光子場の量子力学をシミュレートする理想的なプラットフォームを提供する。 提案した分子量子シミュレータの基本単位は、マイクロ波パルスのみで制御されるスピン1/2とスピン$S$遷移金属イオンの単純な二量体で実現できる。
  論文  参考訳（メタデータ） (2021-03-17T15:03:12Z)
• Quantum Markov Chain Monte Carlo with Digital Dissipative Dynamics on Quantum Computers [52.77024349608834]
  少数のアンシラ量子ビットを用いて環境との相互作用をシミュレートするデジタル量子アルゴリズムを開発した。 逆イジングモデルの熱状態のシミュレーションによるアルゴリズムの評価を行った。
  論文  参考訳（メタデータ） (2021-03-04T18:21:00Z)
• Fast and differentiable simulation of driven quantum systems [58.720142291102135]
  我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。 回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
  論文  参考訳（メタデータ） (2020-12-16T21:43:38Z)
• Physics-Based Deep Neural Networks for Beam Dynamics in Charged Particle Accelerators [0.0]
  力学の表現で生じるテイラー写像は、ニューラルネットワークの重みにマッピングされる。 得られたネットワークは、トレーニング前に完全な精度で力学系を近似する。 本稿では,既存のPETRA IIIと,DESYにおけるPETRA IVストレージリングの例を紹介する。
  論文  参考訳（メタデータ） (2020-07-07T15:33:11Z)

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。