論文の概要: Essentially exact numerical modelling of flux qubit chains subject to
charge and flux noise
- arxiv url: http://arxiv.org/abs/2110.01647v1
- Date: Mon, 4 Oct 2021 18:20:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-12 13:59:27.661271
- Title: Essentially exact numerical modelling of flux qubit chains subject to
charge and flux noise
- Title（参考訳）: 電荷とフラックスノイズを受けるフラックス量子ビットチェーンの本質的に厳密な数値モデリング
- Authors: Matthew R.C. Fitzpatrick, Jack Raymond, Malcolm P. Kennett
- Abstract要約: 電荷およびフラックス雑音を受けるフラックス量子ビット鎖をモデル化するための本質的に正確な数値計算法を提案する。
この手法は準断熱経路積分形式を用いて、系の還元密度行列を時間分解経路積分として表現する。
我々は、"spinbosonchain"と呼ばれるオープンソースのPythonライブラリにメソッドを実装しました。
- 参考スコア（独自算出の注目度）: 0.45119235878273
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present an essentially exact numerical method for modelling flux qubit
chains subject to charge and flux noise. We define an essentially exact method
as one that introduces errors that are completely controlled such that they can
be made arbitrarily small by tuning the simulation parameters. The method
adopts the quasi-adiabatic path integral formalism to express the system's
reduced density matrix as a time-discretized path integral, comprising a series
of influence functionals that encode the non-Markovian dynamics of the system.
We present a detailed derivation of the path integral expression for the
system's reduced density matrix and describe in detail the tensor network
algorithm used to evaluate the path integral expression. We have implemented
our method in an open-sourced Python library called "spinbosonchain". When
appropriate, we draw connections between concepts covered in this manuscript
and the library's code.
- Abstract（参考訳）: 電荷およびフラックス雑音を受けるフラックス量子ビット鎖をモデル化するための本質的に正確な数値計算法を提案する。
シミュレーションパラメータのチューニングによって任意に小さくできるような、完全に制御されたエラーをもたらす方法として、本質的に厳密なメソッドを定義します。
この方法は準断熱経路積分形式を採用し、系の非マルコフ力学を符号化する一連の影響関数からなる時間分解経路積分として系の還元密度行列を表現する。
本稿では,系の密度行列に対する経路積分式を詳細に導出し,経路積分式の評価に用いるテンソルネットワークアルゴリズムについて詳述する。
私たちはこのメソッドを"spinbosonchain"と呼ばれるオープンソースのpythonライブラリに実装しました。
適切であれば、この原稿でカバーされている概念とライブラリのコードとの間の接続を描く。
関連論文リスト
- Neural Control Variates with Automatic Integration [49.91408797261987]
本稿では,任意のニューラルネットワークアーキテクチャから学習可能なパラメトリック制御関数を構築するための新しい手法を提案する。
我々はこのネットワークを用いて積分器の反微分を近似する。
我々はウォーク・オン・スフィア・アルゴリズムを用いて偏微分方程式を解くために本手法を適用した。
論文 参考訳（メタデータ） (2024-09-23T06:04:28Z) - Information limits and Thouless-Anderson-Palmer equations for spiked matrix models with structured noise [19.496063739638924]
構造スパイクモデルに対するベイズ推定の飽和問題を考える。
適応的なThouless-Anderson-Palmer方程式の理論にインスパイアされた効率的なアルゴリズムを用いて、統計的限界を予測する方法を示す。
論文 参考訳（メタデータ） (2024-05-31T16:38:35Z) - Low-rank extended Kalman filtering for online learning of neural
networks from streaming data [71.97861600347959]
非定常データストリームから非線形関数のパラメータを推定するための効率的なオンライン近似ベイズ推定アルゴリズムを提案する。
この方法は拡張カルマンフィルタ (EKF) に基づいているが、新しい低ランク+斜角行列分解法を用いている。
変分推論に基づく手法とは対照的に,本手法は完全に決定論的であり,ステップサイズチューニングを必要としない。
論文 参考訳（メタデータ） (2023-05-31T03:48:49Z) - Dealing with Collinearity in Large-Scale Linear System Identification
Using Gaussian Regression [3.04585143845864]
複数の相互接続型動的システムからなるネットワークの推定について検討する。
我々は、任意のインパルス応答をゼロ平均ガウス過程の実現と見なすベイズ正規化フレームワークにキャストされた戦略を開発する。
我々はマルコフ連鎖モンテカルロスキームを設計し、コリナリティを効率的に扱うことでインパルス応答を後方に再構築する。
論文 参考訳（メタデータ） (2023-02-21T19:35:47Z) - Bayesian Spline Learning for Equation Discovery of Nonlinear Dynamics
with Quantified Uncertainty [8.815974147041048]
本研究では,非線形(時空間)力学の擬似的支配方程式を,定量化された不確実性を伴うスパースノイズデータから同定する枠組みを開発した。
提案アルゴリズムは、正準常微分方程式と偏微分方程式によって制御される複数の非線形力学系に対して評価される。
論文 参考訳（メタデータ） (2022-10-14T20:37:36Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳（メタデータ） (2021-11-15T09:08:27Z) - Deep Learning Approximation of Diffeomorphisms via Linear-Control
Systems [91.3755431537592]
我々は、制御に線形に依存する$dot x = sum_i=1lF_i(x)u_i$という形の制御系を考える。
対応するフローを用いて、コンパクトな点のアンサンブル上の微分同相写像の作用を近似する。
論文 参考訳（メタデータ） (2021-10-24T08:57:46Z) - Learning Linearized Assignment Flows for Image Labeling [70.540936204654]
画像ラベリングのための線形化代入フローの最適パラメータを推定するための新しいアルゴリズムを提案する。
この式をKrylov部分空間と低ランク近似を用いて効率的に評価する方法を示す。
論文 参考訳（メタデータ） (2021-08-02T13:38:09Z) - Learning Optical Flow from a Few Matches [67.83633948984954]
密な相関体積表現は冗長であり、その中の要素のほんの一部で正確なフロー推定が達成できることを示した。
実験により,高い精度を維持しつつ計算コストとメモリ使用量を大幅に削減できることを示した。
論文 参考訳（メタデータ） (2021-04-05T21:44:00Z) - The Boomerang Sampler [4.588028371034406]
本稿では, 連続時間非可逆マルコフ連鎖モンテカルロアルゴリズムの新たなクラスとして, ブーメラン・サンプラーを導入する。
提案手法は実装が容易であることを実証し,既存のベンチマークを断片的決定論的マルコフプロセスより優れていることを示す。
論文 参考訳（メタデータ） (2020-06-24T14:52:22Z) - Nonparametric Bayesian volatility learning under microstructure noise [2.812395851874055]
市場マイクロ構造騒音下でのボラティリティ学習の課題について検討する。
具体的には、微分方程式からノイズの多い離散時間観測を考察する。
方程式の拡散係数を学習するための新しい計算法を開発した。
論文 参考訳（メタデータ） (2018-05-15T07:32:18Z)
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。