論文の概要: NetKet 3: Machine Learning Toolbox for Many-Body Quantum Systems

• arxiv url: http://arxiv.org/abs/2112.10526v1
• Date: Mon, 20 Dec 2021 13:41:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-21 22:14:18.760021
• Title: NetKet 3: Machine Learning Toolbox for Many-Body Quantum Systems
• Title（参考訳）: NetKet 3: マルチボディ量子システムのための機械学習ツールボックス
• Authors: Filippo Vicentini, Damian Hofmann, Attila Szab\'o, Dian Wu, Christopher Roth, Clemens Giuliani, Gabriel Pescia, Jannes Nys, Vladimir Vargas-Calderon, Nikita Astrakhantsev and Giuseppe Carleo
• Abstract要約: NetKetは、多体量子物理学のための機械学習ツールボックスである。 この新バージョンは、差別化可能なプログラミングと加速線形代数フレームワークであるJAXの上に構築されている。 最も重要な新機能は、純粋なPythonコードで任意のニューラルネットワーク ans" を定義することだ。
• 参考スコア（独自算出の注目度）: 1.0486135378491268
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce version 3 of NetKet, the machine learning toolbox for many-body quantum physics. NetKet is built around neural-network quantum states and provides efficient algorithms for their evaluation and optimization. This new version is built on top of JAX, a differentiable programming and accelerated linear algebra framework for the Python programming language. The most significant new feature is the possibility to define arbitrary neural network ans\"atze in pure Python code using the concise notation of machine-learning frameworks, which allows for just-in-time compilation as well as the implicit generation of gradients thanks to automatic differentiation. NetKet 3 also comes with support for GPU and TPU accelerators, advanced support for discrete symmetry groups, chunking to scale up to thousands of degrees of freedom, drivers for quantum dynamics applications, and improved modularity, allowing users to use only parts of the toolbox as a foundation for their own code.
• Abstract（参考訳）: 我々は多体量子物理学のための機械学習ツールボックスNetKetのバージョン3を紹介する。 NetKetはニューラルネットワーク量子状態を中心に構築されており、評価と最適化のために効率的なアルゴリズムを提供する。 この新バージョンは、pythonプログラミング言語用の微分可能プログラミングおよび加速線形代数フレームワークであるjax上に構築されている。 最も重要な新機能は、任意のニューラルネットワークans\"atzeを純粋なpythonコードで定義できることだ。機械学習フレームワークの簡潔な表記を使って、ジャストインタイムコンパイルと自動微分による暗黙的な勾配生成が可能になる。 NetKet 3にはGPUとTPUアクセラレータのサポート、離散対称性グループの高度なサポート、数千自由度までスケールアップするためのチャンキング、量子力学アプリケーションのためのドライバ、モジュール性の改善などが含まれている。

関連論文リスト

• Application of machine learning to experimental design in quantum mechanics [0.5461938536945721]
  本稿では,量子センサの精度を最適化する機械学習手法を提案する。 フレームワークはPythonパッケージのqsensoroptで実装されている。 我々は,この手法のNV中心およびフォトニック回路への応用について検討した。
  論文  参考訳（メタデータ） (2024-03-15T14:07:46Z)
• sQUlearn -- A Python Library for Quantum Machine Learning [0.0]
  sQUlearnが量子機械学習(QML)用のNISQ対応Pythonライブラリを導入 図書館の二重層アーキテクチャはQML研究者と実践者の両方に役立っている。
  論文  参考訳（メタデータ） (2023-11-15T14:22:53Z)
• TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [59.07246314484875]
  TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。 古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。 量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
  論文  参考訳（メタデータ） (2023-01-13T09:35:05Z)
• VQNet 2.0: A New Generation Machine Learning Framework that Unifies Classical and Quantum [82.82331453802182]
  VQNet 2.0は、古典的および量子機械学習の新しい世代のフレームワークである。 フレームワークの中核となるライブラリはC++で実装され、ユーザレベルはPythonで実装されている。
  論文  参考訳（メタデータ） (2023-01-09T10:31:18Z)
• Tangelo: An Open-source Python Package for End-to-end Chemistry Workflows on Quantum Computers [85.21205677945196]
  Tangelo(タンジェロ)は、量子コンピュータ上でエンドツーエンド化学を開発するためのオープンソースのPythonソフトウェアパッケージである。 量子ハードウェアで成功した実験の設計を支援し、量子アルゴリズムの発展を促進することを目的としている。
  論文  参考訳（メタデータ） (2022-06-24T17:44:00Z)
• Quantum Alphatron: quantum advantage for learning with kernels and noise [2.94944680995069]
  我々は、フォールトトレラントな設定でAlphatronの量子バージョンを提供する。 2層ニューラルネットワークの学習における量子優位性について論じる。
  論文  参考訳（メタデータ） (2021-08-26T09:36:20Z)
• A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
  勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。 MNIST画像データセットがそのような条件を満たすことを数値的に示す。 我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-19T23:41:03Z)
• Extending Python for Quantum-Classical Computing via Quantum Just-in-Time Compilation [78.8942067357231]
  Pythonは、その柔軟性、ユーザビリティ、可読性、開発者の生産性を重視することで有名な人気のあるプログラミング言語です。 量子ジャスト・イン・タイム・コンパイルのための堅牢なC++インフラストラクチャを通じて、異種量子古典計算を可能にするPythonの言語拡張を提案する。
  論文  参考訳（メタデータ） (2021-05-10T21:11:21Z)
• PeleNet: A Reservoir Computing Framework for Loihi [0.0]
  PeleNetは、ニューロモルフィックハードウェアLoihiの貯水池コンピューティングを単純化することを目指している。 複数のコアやチップ上でのネットワークの自動的かつ効率的な分散を提供する。
  論文  参考訳（メタデータ） (2020-11-24T19:33:08Z)
• Neural Network Compression Framework for fast model inference [59.65531492759006]
  我々は、ニューラルネットワーク圧縮フレームワーク(NNCF)と呼ばれる、微調整によるニューラルネットワーク圧縮のための新しいフレームワークを提案する。 様々なネットワーク圧縮手法の最近の進歩を活用し、空間性、量子化、双項化などのいくつかの実装を行っている。 フレームワークは、トレーニングサンプル内に提供され、あるいは既存のトレーニングコードにシームレスに統合可能なスタンドアロンパッケージとして使用することができる。
  論文  参考訳（メタデータ） (2020-02-20T11:24:01Z)

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。