論文の概要: Machine learning discovery of new phases in programmable quantum
simulator snapshots
- arxiv url: http://arxiv.org/abs/2112.10789v1
- Date: Mon, 20 Dec 2021 19:00:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-22 15:35:11.827533
- Title: Machine learning discovery of new phases in programmable quantum
simulator snapshots
- Title(参考訳): プログラム可能な量子シミュレータスナップショットにおける新しい位相の機械学習による発見
- Authors: Cole Miles, Rhine Samajdar, Sepehr Ebadi, Tout T. Wang, Hannes
Pichler, Subir Sachdev, Mikhail D. Lukin, Markus Greiner, Kilian Q.
Weinberger, and Eun-Ah Kim
- Abstract要約: 我々は、ハイブリッド相関畳み込みニューラルネットワーク(Hybrid-CCNN)の解釈不能な教師なしハイブリッド機械学習アプローチを導入する。
プログラム可能な相互作用を持つ正方格子上の新しい量子位相の解析にHybrid-CCNNを適用する。
これらの観測は、プログラム可能な量子シミュレータと機械学習の組み合わせが、相関する量子状態の詳細な探索のための強力なツールとして利用できることを示した。
- 参考スコア(独自算出の注目度): 13.017475975364562
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Machine learning has recently emerged as a promising approach for studying
complex phenomena characterized by rich datasets. In particular, data-centric
approaches lend to the possibility of automatically discovering structures in
experimental datasets that manual inspection may miss. Here, we introduce an
interpretable unsupervised-supervised hybrid machine learning approach, the
hybrid-correlation convolutional neural network (Hybrid-CCNN), and apply it to
experimental data generated using a programmable quantum simulator based on
Rydberg atom arrays. Specifically, we apply Hybrid-CCNN to analyze new quantum
phases on square lattices with programmable interactions. The initial
unsupervised dimensionality reduction and clustering stage first reveals five
distinct quantum phase regions. In a second supervised stage, we refine these
phase boundaries and characterize each phase by training fully interpretable
CCNNs and extracting the relevant correlations for each phase. The
characteristic spatial weightings and snippets of correlations specifically
recognized in each phase capture quantum fluctuations in the striated phase and
identify two previously undetected phases, the rhombic and boundary-ordered
phases. These observations demonstrate that a combination of programmable
quantum simulators with machine learning can be used as a powerful tool for
detailed exploration of correlated quantum states of matter.
- Abstract(参考訳): 機械学習は、リッチデータセットを特徴とする複雑な現象を研究するための有望なアプローチとして最近登場した。
特に、データ中心のアプローチは、手動検査が見逃す可能性のある実験データセットで自動的に構造を発見する可能性に役立つ。
本稿では,ハイブリッド相関畳み込みニューラルネットワーク(Hybrid-CCNN)の解釈不能な教師なしハイブリッド機械学習手法を導入し,Rydberg原子配列に基づくプログラマブル量子シミュレータを用いた実験データに適用する。
具体的には,プログラム可能な相互作用を持つ正方格子上の新しい量子位相の解析にHybrid-CCNNを適用する。
最初の教師なし次元減少とクラスタリング段階は、まず5つの異なる量子相領域を明らかにする。
第2の教師付きステージでは,完全解釈可能なccnnを訓練し,各フェーズに関連する相関関係を抽出することにより,これらの位相境界を洗練し,各フェーズを特徴付ける。
各相で特異的に認識される相関の特徴的な空間的重み付けとスニペットは、格子状相の量子揺らぎを捉え、以前検出されていた2つの非検出位相、すなわちrhombic と boundary-ordered phases を同定する。
これらの観察により、プログラム可能な量子シミュレータと機械学習の組み合わせが、物質の相関量子状態の詳細な探索に有効なことが示されている。
関連論文リスト
- Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳(メタデータ) (2024-08-22T08:21:28Z) - Multimodal deep representation learning for quantum cross-platform
verification [60.01590250213637]
初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。
本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。
我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
論文 参考訳(メタデータ) (2023-11-07T04:35:03Z) - Detecting quantum phase transitions in a frustrated spin chain via
transfer learning of a quantum classifier algorithm [1.2145532233226681]
量子相転移を同定するための代替フレームワークを提案する。
ANNNIモデルをベンチマークとして、機械学習が3つのフェーズを検出する方法を示す。
また,従来の機械学習手法とQNN(Quantum Near neighbors)アルゴリズムの比較を行った。
論文 参考訳(メタデータ) (2023-09-27T01:11:11Z) - Enhancing variational Monte Carlo using a programmable quantum simulator [0.3078264203938486]
本研究では, 量子物質のシリカシミュレーションにおいて, 射影測定データを用いることが可能であることを示す。
我々はデータ強化型変分モンテカルロを用いて、リカレントニューラルネットワークに基づいて強力な自己回帰波動関数アンゼを訓練する。
我々の研究は、量子多体系の大規模シミュレーションのためのハイブリッド量子-古典的アプローチの可能性を強調している。
論文 参考訳(メタデータ) (2023-08-04T18:08:49Z) - Unsupervised Interpretable Learning of Phases From Many-Qubit Systems [2.4352963290061993]
短距離多ビット系を理解するために,教師なしの機械学習技術を用いる方法を示す。
我々の研究は、教師なしの強い解釈性を目指して、ハイブリッドアルゴリズムを第一原理で適用するための扉を開く。
論文 参考訳(メタデータ) (2022-08-18T14:35:28Z) - Observation of critical phase transition in a generalized
Aubry-Andr\'e-Harper model on a superconducting quantum processor with
tunable couplers [22.968091212322523]
量子シミュレーションは、非平衡における多体系の研究を可能にする。
我々は3つの異なる位相に対する1次元一般化 Aubry-Andr'e-Harper モデルをシミュレートする。
異なる相における初期単励起状態と多励起状態のスピン輸送を観察する。
論文 参考訳(メタデータ) (2022-06-27T08:22:19Z) - Accessing the topological Mott insulator in cold atom quantum simulators
with realistic Rydberg dressing [58.720142291102135]
本稿では, コールド・ライドバーグ型原子を用いた光学格子の量子シミュレーションの現実的シナリオについて検討する。
本研究では, 平均場近似において, 半次および非共役充填時の位相図の詳細な解析を行う。
さらに、平均場近似における温度に対する相の安定性について検討する。
論文 参考訳(メタデータ) (2022-03-28T14:55:28Z) - Generation and structuring of multipartite entanglement in Josephson
parametric system [0.0]
量子場の真空状態は、多部量子絡みの発生の鍵となる要素として作用することがある。
2つの連続ポンプトーン間の位相差を利用して, 真の三部形状の絡み合った状態の生成とその制御を実現する。
提案手法は,マイクロ波モードの真の四分割交絡を初めて実演することのできる,絡み合い構造のための包括的制御ツールボックスを提供する。
論文 参考訳(メタデータ) (2022-03-17T11:16:32Z) - Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。
演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文 参考訳(メタデータ) (2021-01-21T22:18:49Z) - Unsupervised machine learning of topological phase transitions from
experimental data [52.77024349608834]
超低温原子からの実験データに教師なし機械学習技術を適用する。
我々は、完全にバイアスのない方法で、ハルダンモデルの位相位相図を得る。
我々の研究は、複雑な多体系における新しいエキゾチック位相の教師なし検出のためのベンチマークを提供する。
論文 参考訳(メタデータ) (2021-01-14T16:38:21Z) - Unsupervised machine learning of quantum phase transitions using
diffusion maps [77.34726150561087]
本研究では, 測定データの非線形次元減少とスペクトルクラスタリングを行う拡散写像法が, 教師なしの複雑な位相遷移を学習する上で有意なポテンシャルを持つことを示す。
この方法は、局所観測可能量の単一の基底での測定に役立ち、多くの実験的な量子シミュレータに容易に適用できる。
論文 参考訳(メタデータ) (2020-03-16T18:40:13Z)
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。