論文の概要: Learning quantum dynamics with latent neural ODEs

• arxiv url: http://arxiv.org/abs/2110.10721v1
• Date: Wed, 20 Oct 2021 18:41:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-22 18:22:06.380287
• Title: Learning quantum dynamics with latent neural ODEs
• Title（参考訳）: 潜時ニューラルネットワークによる量子力学の学習
• Authors: Matthew Choi, Daniel Flam-Shepherd, Thi Ha Kyaw, Al\'an Aspuru-Guzik
• Abstract要約: 本稿では,クローズド量子系とオープン量子系から動的に学習した潜時ニューラルネットワークQNODEを提案する。 QNODEは、制約やガイダンスなしで、完全にデータ駆動の方法で量子力学的法則を再検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The core objective of machine-assisted scientific discovery is to learn physical laws from experimental data without prior knowledge of the systems in question. In the area of quantum physics, making progress towards these goals is significantly more challenging due to the curse of dimensionality as well as the counter-intuitive nature of quantum mechanics. Here, we present the QNODE, a latent neural ODE trained on dynamics from closed and open quantum systems. The QNODE can learn to generate quantum dynamics and extrapolate outside of its training region that satisfy the von Neumann and time-local Lindblad master equations for closed and open quantum systems. Furthermore the QNODE rediscovers quantum mechanical laws such as Heisenberg's uncertainty principle in a totally data-driven way, without constraints or guidance. Additionally, we show that trajectories that are generated from the QNODE and are close in its latent space have similar quantum dynamics while preserving the physics of the training system.
• Abstract（参考訳）: 機械支援科学発見の中核的な目的は、問題のシステムの事前知識なしで実験データから物理法則を学習することである。 量子物理学の分野では、次元の呪いや量子力学の反直観的な性質により、これらの目標に向かって前進することが著しく困難である。 ここでは,クローズドおよびオープン量子システムからダイナミクスを学習した潜在性ニューラルodeであるqnodeを提案する。 QNODEは、クローズドおよびオープン量子系に対するフォン・ノイマンおよび時間局所リンドブラッドマスター方程式を満たすトレーニング領域の外で量子力学の生成と外挿を学ぶことができる。 さらに、QNODEはハイゼンベルクの不確実性原理のような量子力学的法則を、制約やガイダンスなしで完全にデータ駆動の方法で再検討している。 さらに,qノードから生成し,その潜在空間に近接する軌道は,学習系の物理を保ちながら同様の量子力学を持つことを示した。

関連論文リスト

• Quantum states and quantum computing [1.104960878651584]
  量子論において、量子状態 $vert alpha,trangle$ はヒルベルト空間内で進化している状態にあり、系の現実を固有の不確実性で表している。 本稿では,量子場理論の基本概念と量子コンピューティングとの相互関係を明らかにすることを目的とする。
  論文  参考訳（メタデータ） (2024-09-03T14:23:50Z)
• Open quantum systems -- A brief introduction [0.0]
  このテキストは、駆動散逸多体系の物理学の簡単な導入である。 我々は、(Gorini-Kossakowski-Sudarshan-) Lindbladマスター方程式という、オープン量子系の最も単純で、もっとも効果的に記述する1つに焦点を当てる。
  論文  参考訳（メタデータ） (2024-07-23T21:46:57Z)
• To be or not to be, but where? [0.0]
  伝統的なアプローチは、古典的な量子系と時空で局所化された量子系を関連付ける。 正準線型化量子重力はゲージ不変な局所代数の形成を阻止することによって、この枠組みを妨害する。 これは初期の宇宙の宇宙論、重力-絡み合いの実験をモデル化するための大きな障害を示し、量子重力の包括的理論に向けて重要な障害となる。
  論文  参考訳（メタデータ） (2024-05-31T17:22:39Z)
• 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)
• 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)
• Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
  量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。 機械学習の観点からQGLMの現状を概観する。 従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-06-07T07:32:57Z)
• New Directions in Quantum Music: concepts for a quantum keyboard and the sound of the Ising model [0.0]
  我々は、NISQ時代に量子回路を用いて量子デバイスを用いて、音と音楽を生成するアイデアを探求する。 特に、時間進化量子回路を用いた期待値のリアルタイムな振る舞いを、強度、周波数、トーンといった音の特徴と関連付ける「キーボード」の概念を最初に検討する。
  論文  参考訳（メタデータ） (2022-04-01T12:45:39Z)
• Standard Model Physics and the Digital Quantum Revolution: Thoughts about the Interface [68.8204255655161]
  量子システムの分離・制御・絡み合いの進歩は、かつての量子力学の興味深い特徴を、破壊的な科学的・技術的進歩のための乗り物へと変えつつある。 本稿では,3つの領域科学理論家の視点から,絡み合い,複雑性,量子シミュレーションのインターフェースについて考察する。
  論文  参考訳（メタデータ） (2021-07-10T06:12:06Z)
• 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)
• Quantum Non-equilibrium Many-Body Spin-Photon Systems [91.3755431537592]
  論文は、非平衡状態における強相関量子系の量子力学に関するものである。 本研究の主な成果は, 臨界ダイナミクスのシグナチャ, 超ストロング結合のテストベッドとしての駆動ディックモデル, キブルズルーク機構の3つにまとめることができる。
  論文  参考訳（メタデータ） (2020-07-23T19:05:56Z)

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。