論文の概要: Benchmarking quantum annealing dynamics: the spin-vector Langevin model

• arxiv url: http://arxiv.org/abs/2109.09750v3
• Date: Tue, 10 May 2022 03:52:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-14 05:18:56.915906
• Title: Benchmarking quantum annealing dynamics: the spin-vector Langevin model
• Title（参考訳）: 量子アニール力学のベンチマーク:スピンベクトルランゲヴィンモデル
• Authors: David Subires, Fernando J. G\'omez-Ruiz, Antonia Ruiz-Garc\'ia, Daniel Alonso, Adolfo del Campo
• Abstract要約: 本稿では,スピンベクトルLangevin(SVL)モデルを,時間進化をLangevin dynamicsによって記述した代替ベンチマークとして紹介する。 SVLモデルは、量子シグネチャの同定のためのSVMCモデルよりも厳密なテストを提供する。
• 参考スコア（独自算出の注目度）: 58.720142291102135
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The classical spin-vector Monte Carlo (SVMC) model is a reference benchmark for the performance of a quantum annealer. Yet, as a Monte Carlo method, SVMC is unsuited for an accurate description of the annealing dynamics in real-time.We introduce the spin-vector Langevin (SVL) model as an alternative benchmark in which the time evolution is described by Langevin dynamics. The SVL model is shown to provide a more stringent test than the SVMC model for the identification of quantum signatures in the performance of quantum annealing devices, as we illustrate by describing the Kibble-Zurek scaling associated with the dynamics of symmetry breaking in the transverse field Ising model, recently probed using D-Wave machines. Specifically, we show that D-Wave data are reproduced by the SVL model.
• Abstract（参考訳）: 古典的なスピンベクトルモンテカルロ(svmc)モデルは量子アニーラの性能の基準ベンチマークである。 しかし、モンテカルロ法として、SVMCはリアルタイムでの焼鈍力学の正確な記述には不適であり、スピンベクトルランゲヴィン(SVL)モデルをランゲヴィン力学によって時間進化を記述する代替ベンチマークとして導入する。 SVLモデルは、最近D-Waveマシンを用いて探索された横場イジングモデルにおける対称性の破れのダイナミクスに関連するキブル・ズレックのスケーリングを記述することにより、量子アニール装置の性能における量子シグネチャの同定のためのSVMCモデルよりも厳密なテストを提供することを示した。 具体的には,D-WaveデータをSVLモデルで再現することを示す。

関連論文リスト

• Latent Space Energy-based Neural ODEs [73.01344439786524]
  本稿では,連続時間シーケンスデータを表現するために設計された深部力学モデルの新しいファミリを紹介する。 マルコフ連鎖モンテカルロの最大推定値を用いてモデルを訓練する。 発振システム、ビデオ、実世界の状態シーケンス(MuJoCo)の実験は、学習可能なエネルギーベース以前のODEが既存のものより優れていることを示している。
  論文  参考訳（メタデータ） (2024-09-05T18:14:22Z)
• KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
  KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。 我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。 我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-18T05:48:24Z)
• Universal replication of chaotic characteristics by classical and quantum machine learning [0.0]
  変動量子回路は、長期記憶よりも高い精度で長期特性を再現できることを示す。 以上の結果から,量子回路モデルは過適合を緩和し,高い精度と安定性を達成できる可能性が示唆された。
  論文  参考訳（メタデータ） (2024-05-14T10:12:47Z)
• Proximal Algorithms for Accelerated Langevin Dynamics [57.08271964961975]
  我々は,確率化Nesterovスキームに基づくMCMCアルゴリズムの新たなクラスを開発する。 統計処理と画像処理の異なるモデルに対して,Langevinサンプルよりも提案手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2023-11-24T19:56:01Z)
• Convolutional State Space Models for Long-Range Spatiotemporal Modeling [65.0993000439043]
  ConvS5は、長距離時間モデリングのための効率的な変種である。 トランスフォーマーとConvNISTTMは、長い水平移動実験において、ConvLSTMより3倍速く、トランスフォーマーより400倍速くサンプルを生成する一方で、大幅に性能が向上した。
  論文  参考訳（メタデータ） (2023-10-30T16:11:06Z)
• Neuromorphic spintronics simulated using an unconventional data-driven Thiele equation approach [0.0]
  本研究では,スピントルクボルテックスナノオシレータ(STVO)の力学を,従来とは異なるモデルを用いて定量的に記述する。 我々のアプローチはSTVOベースのニューロモルフィックコンピューティングデバイスの設計を加速させることを約束している。
  論文  参考訳（メタデータ） (2023-07-18T13:47:57Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Realization of the Trajectory Propagation in the MM-SQC Dynamics by Using Machine Learning [4.629634111796585]
  本研究では,教師付き機械学習(ML)アプローチを適用し,軌道に基づく非線形力学を実現する。 提案したアイデアは、いくつかのサイト・エクシトン電子-フォノンカップリングモデルの力学シミュレーションにおいて信頼性と正確性があることが証明されている。
  論文  参考訳（メタデータ） (2022-07-11T01:23:36Z)
• Quantum Long Short-Term Memory [3.675884635364471]
  LSTM(Long Short-term memory)は、シーケンスおよび時間依存性データモデリングのためのリカレントニューラルネットワーク(RNN)である。 本稿では,QLSTMを疑似化したLSTMのハイブリッド量子古典モデルを提案する。 我々の研究は、ノイズの多い中間スケール量子(NISQ)デバイス上でのシーケンスモデリングのための機械学習アルゴリズムの実装への道を開いた。
  論文  参考訳（メタデータ） (2020-09-03T16:41:09Z)

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。