Fugu-MT 論文翻訳(概要): Loop-Free Tensor Networks for High-Energy Physics

論文の概要: Loop-Free Tensor Networks for High-Energy Physics

arxiv url: http://arxiv.org/abs/2109.11842v1
Date: Fri, 24 Sep 2021 09:38:45 GMT
ステータス: 処理完了
システム内更新日: 2023-03-13 21:08:07.174030
Title: Loop-Free Tensor Networks for High-Energy Physics
Title（参考訳）: 高エネルギー物理のためのループフリーテンソルネットワーク
Authors: S. Montangero, E. Rico, P. Silvi
Abstract要約: テンソル・ネットワーク・メソッドは凝縮物質物理学と量子情報科学から生まれた強力な理論と数値のパラダイムですこの簡単なレビューでは、凝縮物質物理学と量子情報科学から生じる強力な理論的および数値的パラダイムであるテンソルネットワーク手法について紹介する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This brief review introduces the reader to tensor network methods, a powerful theoretical and numerical paradigm spawning from condensed matter physics and quantum information science and increasingly exploited in different fields of research, from artificial intelligence to quantum chemistry. Here, we specialise our presentation on the application of loop-free tensor network methods to the study of High-Energy Physics (HEP) problems and, in particular, to the study of lattice gauge theories where tensor networks can be applied in regimes where Monte Carlo methods are hindered by the sign problem.
Abstract（参考訳）: 本総説では, 凝縮物質物理学や量子情報科学から生まれた強力な理論・数値パラダイムであり, 人工知能から量子化学まで, 様々な研究分野に活用されつつあるテンソルネットワーク法について紹介する。本稿では,高エネルギー物理学(HEP)問題に対するループフリーテンソルネットワーク法の適用,特に,モンテカルロ法が符号問題によって妨げられる状況においてテンソルネットワークを適用可能な格子ゲージ理論の研究について,その研究を専門とする。

関連論文リスト

From Graphs to Qubits: A Critical Review of Quantum Graph Neural Networks [56.51893966016221]
量子グラフニューラルネットワーク(QGNN)は、量子コンピューティングとグラフニューラルネットワーク(GNN)の新たな融合を表す。本稿では,QGNNの現状を批判的にレビューし,様々なアーキテクチャを探求する。我々は、高エネルギー物理学、分子化学、ファイナンス、地球科学など多種多様な分野にまたがる応用について論じ、量子的優位性の可能性を強調した。
論文参考訳（メタデータ） (2024-08-12T22:53:14Z)
Survey on Computational Applications of Tensor Network Simulations [0.0]
Reviewは、どのテンソルネットワークに対してどのクラスが提案されているかを明らかにすることを目的としている。我々は,このレビューを,非専門家による読みやすいテンソルネットワークアプリケーションに関するハイレベルなツアーとして意図している。
論文参考訳（メタデータ） (2024-08-09T11:46:47Z)
Tensor Networks for Lattice Gauge Theories beyond one dimension: a Roadmap [0.0]
ネットワーク法(Network method)は、平衡外における多体量子システムを研究するための数値ツールとアルゴリズムのクラスである。彼らは高エネルギー物理学における関連する問題に近づく格子ゲージ理論のシミュレーションに重要な応用を見出した。
論文参考訳（メタデータ） (2024-07-03T12:30:04Z)
Addressing the Non-perturbative Regime of the Quantum Anharmonic Oscillator by Physics-Informed Neural Networks [0.9374652839580183]
量子領域において、そのようなアプローチは、非可積分系に対するシュレーディンガー方程式を解く新しいアプローチへの道を開く。実数および虚数周波数のシステムについて検討し、量子場理論に現れる問題に対処するための新しい数値法の基礎を築いた。
論文参考訳（メタデータ） (2024-05-22T08:34:52Z)
Entanglement-Assisted Quantum Networks: Mechanics, Enabling Technologies, Challenges, and Research Directions [66.27337498864556]
本稿では,量子ネットワークの絡み合いに関する包括的調査を行う。ネットワーク構造、作業原則、開発段階の詳細な概要を提供する。また、アーキテクチャ設計、絡み合いに基づくネットワーク問題、標準化など、オープンな研究の方向性を強調している。
論文参考訳（メタデータ） (2023-07-24T02:48:22Z)
A Practical Guide to the Numerical Implementation of Tensor Networks I: Contractions, Decompositions and Gauge Freedom [0.0]
本稿では,テンソルネットワークの手法を数値的に実装するために必要な重要なアイデアとスキルについて概説する。提案するトピックは、DMRG、TEBD、TRG、PEPS、MERAといった多くの一般的なテンソルネットワークアルゴリズムにおいて重要である。
論文参考訳（メタデータ） (2022-02-04T14:10:09Z)
Physics informed neural networks for continuum micromechanics [68.8204255655161]
近年,応用数学や工学における多種多様な問題に対して,物理情報ニューラルネットワークの適用が成功している。グローバルな近似のため、物理情報ニューラルネットワークは、最適化によって局所的な効果と強い非線形解を表示するのに困難である。実世界の$mu$CT-Scansから得られた不均一構造における非線形応力, 変位, エネルギー場を, 正確に解くことができる。
論文参考訳（メタデータ） (2021-10-14T14:05:19Z)
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)
Holographic tensor network models and quantum error correction: A topical review [78.28647825246472]
ホログラフィックの双対性の研究の最近の進歩は、量子情報理論の概念や技術と結びついている。特に成功したアプローチは、テンソルネットワークによるホログラフィック特性のキャプチャである。
論文参考訳（メタデータ） (2021-02-04T14:09:21Z)
Simple heuristics for efficient parallel tensor contraction and quantum circuit simulation [1.4416132811087747]
本稿では,確率モデルを用いたテンソルネットワークの縮約のための並列アルゴリズムを提案する。結果のアルゴリズムをランダム量子回路のシミュレーションに適用する。
論文参考訳（メタデータ） (2020-04-22T23:00:42Z)
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。