論文の概要: Quantum field theories, Markov random fields and machine learning
- arxiv url: http://arxiv.org/abs/2110.10928v1
- Date: Thu, 21 Oct 2021 06:50:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-22 18:40:15.663473
- Title: Quantum field theories, Markov random fields and machine learning
- Title(参考訳): 量子場理論、マルコフ確率場、機械学習
- Authors: Dimitrios Bachtis, Gert Aarts, Biagio Lucini
- Abstract要約: 偏微分ユークリッド場の理論がマルコフ確率場の数学的枠組みの中でどのように再キャストされるかについて議論する。
具体的には、平方格子上の$phi4$スカラー場の理論がハマーズリー・クリフォードの定理を満たすことを示す。
次に、$phi4$の機械学習アルゴリズムの確率分布とターゲット確率分布との非対称距離の最小化に関連するアプリケーションについて議論する。
- 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 transition to Euclidean space and the discretization of quantum field
theories on spatial or space-time lattices opens up the opportunity to
investigate probabilistic machine learning from the perspective of quantum
field theory. Here, we will discuss how discretized Euclidean field theories
can be recast within the mathematical framework of Markov random fields, which
is a notable class of probabilistic graphical models with applications in a
variety of research areas, including machine learning. Specifically, we will
demonstrate that the $\phi^{4}$ scalar field theory on a square lattice
satisfies the Hammersley-Clifford theorem, therefore recasting it as a Markov
random field from which neural networks are additionally derived. We will then
discuss applications pertinent to the minimization of an asymmetric distance
between the probability distribution of the $\phi^{4}$ machine learning
algorithms and that of target probability distributions.
- Abstract(参考訳): ユークリッド空間への遷移と、空間的あるいは時空格子上の場の量子論の離散化は、量子場理論の観点から確率的機械学習を研究する機会を開く。
ここでは、マルコフ確率場の数学的枠組みの中で、離散化されたユークリッド場の理論をどのように再キャストするかについて議論する。
具体的には、正方格子上の$\phi^{4}$スカラー場理論がハマーズリー=クリフォードの定理を満たすことを証明し、それゆえ、ニューラルネットワークがさらに導出されるマルコフ確率場として再キャストする。
次に、$\phi^{4}$機械学習アルゴリズムの確率分布とターゲット確率分布との非対称距離の最小化に関連するアプリケーションについて議論する。
関連論文リスト
- Neural network representation of quantum systems [0.0]
我々は、幅広い種類の量子力学系をニューラルネットワークの形でキャストできる新しいマップを提供する。
我々の発見は、機械学習を量子の世界に近づける。
論文 参考訳(メタデータ) (2024-03-18T02:20:22Z) - Gaussian Entanglement Measure: Applications to Multipartite Entanglement
of Graph States and Bosonic Field Theory [50.24983453990065]
フービニ・スタディ計量に基づく絡み合い尺度は、Cocchiarellaと同僚によって最近導入された。
本稿では,多モードガウス状態に対する幾何絡み合いの一般化であるガウスエンタングルメント尺度(GEM)を提案する。
自由度の高い系に対する計算可能な多部絡み合わせ測度を提供することにより、自由なボゾン場理論の洞察を得るために、我々の定義が利用できることを示す。
論文 参考訳(メタデータ) (2024-01-31T15:50:50Z) - A hybrid quantum-classical algorithm for multichannel quantum scattering
of atoms and molecules [62.997667081978825]
原子と分子の衝突に対するシュリンガー方程式を解くためのハイブリッド量子古典アルゴリズムを提案する。
このアルゴリズムはコーン変分原理の$S$-matrixバージョンに基づいており、基本散乱$S$-matrixを計算する。
大規模多原子分子の衝突をシミュレートするために,アルゴリズムをどのようにスケールアップするかを示す。
論文 参考訳(メタデータ) (2023-04-12T18:10:47Z) - Correspondence between open bosonic systems and stochastic differential
equations [77.34726150561087]
ボゾン系が環境との相互作用を含むように一般化されたとき、有限$n$で正確な対応も可能であることを示す。
離散非線形シュル「オーディンガー方程式」の形をした特定の系をより詳細に分析する。
論文 参考訳(メタデータ) (2023-02-03T19:17:37Z) - Quantum algorithm for Markov Random Fields structure learning by
information theoretic properties [5.263910852465186]
本稿では,量子コンピュータ上でのマルコフランダム場の構造学習のための量子アルゴリズムを提案する。
我々の研究は、機械学習のいくつかの問題を解く際に、古典的な計算よりも量子計算の利点を実証するものである。
論文 参考訳(メタデータ) (2022-08-24T09:00:56Z) - Quantum Simulation of Conformal Field Theory [77.34726150561087]
共形場の理論の力学をシミュレートする量子アルゴリズムについて述べる。
近似誤差の完全な解析は、短期適用可能性を示している。
論文 参考訳(メタデータ) (2021-09-29T06:44:33Z) - Machine learning with quantum field theories [0.0]
平方格子上の$phi4$のスカラー場理論が局所マルコフの性質を満たすことを示し、従ってマルコフランダム場として再キャストすることができる。
次に、従来のニューラルネットワークアーキテクチャの一般化と見なせる、$phi4$理論の機械学習アルゴリズムとニューラルネットワークから導き出す。
論文 参考訳(メタデータ) (2021-09-16T05:42:01Z) - Quantum field-theoretic machine learning [0.0]
我々は、$phi4$スカラー場理論をマルコフ確率場の数学的に厳密な枠組み内の機械学習アルゴリズムとして再考する。
ニューラルネットワークはまた、従来のニューラルネットワークの一般化と見なせる$phi4$理論から派生している。
論文 参考訳(メタデータ) (2021-02-18T16:12:51Z) - Quantum Algorithms for Open Lattice Field Theory [0.0]
我々は、非エルミート量子回路を開発し、複雑な縦磁場を持つ量子一次元イジングモデル(英語版)のベンチマークでそれらの約束を探求する。
複素カップリング空間における臨界点を超えるアトラクタの開発は、短期ノイズのあるハードウェアの研究の可能性を示している。
論文 参考訳(メタデータ) (2020-12-09T19:00:18Z) - Efficient construction of tensor-network representations of many-body
Gaussian states [59.94347858883343]
本稿では,多体ガウス状態のテンソルネットワーク表現を効率よく,かつ制御可能な誤差で構築する手法を提案する。
これらの状態には、量子多体系の研究に欠かせないボゾン系およびフェルミオン系二次ハミルトン系の基底状態と熱状態が含まれる。
論文 参考訳(メタデータ) (2020-08-12T11:30:23Z) - State preparation and measurement in a quantum simulation of the O(3)
sigma model [65.01359242860215]
我々は,非線型O(3)シグマモデルの固定点が,格子サイトあたり2キュービットしか持たないスピンモデルの量子相転移付近で再現可能であることを示す。
本稿では,弱い結合状態と量子臨界状態の両方において,断熱的基底状態の準備が複雑になる結果を得るためにトロッター法を適用した。
非単位ランダム化シミュレーション法に基づく量子アルゴリズムの提案と解析を行う。
論文 参考訳(メタデータ) (2020-06-28T23:44:12Z)
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。