論文の概要: Machine learning for excitation energy transfer dynamics
- arxiv url: http://arxiv.org/abs/2112.11889v1
- Date: Wed, 22 Dec 2021 14:11:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-03 20:12:41.459752
- Title: Machine learning for excitation energy transfer dynamics
- Title（参考訳）: 励起エネルギー伝達ダイナミクスのための機械学習
- Authors: Kimara Naicker, Ilya Sinayskiy, Francesco Petruccione
- Abstract要約: 我々は、生物状態におけるオープン量子力学をシミュレートするために、階層的な運動方程式(HEOM)を用いる。
我々は、光収穫錯体を通した電子励起のコヒーレントな伝播を表現した、時間依存オブザーバブルの集合を生成する。
我々は、この研究課題に対処する畳み込みニューラルネットワークの能力を実証する。
- 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: A well-known approach to describe the dynamics of an open quantum system is
to compute the master equation evolving the reduced density matrix of the
system. This approach plays an important role in describing excitation transfer
through photosynthetic light harvesting complexes (LHCs). The hierarchical
equations of motion (HEOM) was adapted by Ishizaki and Fleming (J. Chem. Phys.,
2009) to simulate open quantum dynamics in the biological regime. We generate a
set of time dependent observables that depict the coherent propagation of
electronic excitations through the LHCs by solving the HEOM. We solve the
inverse problem using classical machine learning (ML) models as this is a
computationally intractable problem. The objective here is to determine whether
a trained ML model can perform Hamiltonian tomography by using the time
dependence of the observables as inputs. We demonstrate the capability of
convolutional neural networks to tackle this research problem. The models
developed here can predict Hamiltonian parameters such as excited state
energies and inter-site couplings of a system up to 99.28\% accuracy and
mean-squared error as low as 0.65.
- Abstract（参考訳）: 開量子システムのダイナミクスを記述するためのよく知られたアプローチは、システムの密度行列を減少させるマスター方程式を計算することである。
このアプローチは光合成光収穫錯体(lhcs)による励起移動を記述する上で重要な役割を果たす。
階層的な運動方程式 (HEOM) は、石崎とフレミング (J. Chem. Phys., 2009) によって生物系におけるオープン量子力学をシミュレートするために応用された。
HEOMを解くことにより、LHCを通して電子励起のコヒーレントな伝播を表現した時間依存観測値の集合を生成する。
古典的機械学習(ML)モデルを用いた逆問題の解法は,計算的に難解な問題である。
ここでの目的は、観測対象の時間依存性を入力として、訓練されたMLモデルがハミルトン断層撮影を行うことができるかどうかを決定することである。
我々は、この研究課題に対処する畳み込みニューラルネットワークの能力を実証する。
ここで開発されたモデルは、システムの励起状態エネルギーやサイト間結合などのハミルトンパラメータを99.28\%の精度と平均二乗誤差で 0.65 まで予測することができる。
関連論文リスト
- Quantum Simulation of Nonlinear Dynamical Systems Using Repeated Measurement [42.896772730859645]
本稿では, 非線形常微分方程式の初期値問題を解くために, 繰り返し測定に基づく量子アルゴリズムを提案する。
古典ロジスティック系とローレンツ系に、積分可能かつカオス的条件の両方でこのアプローチを適用する。
論文 参考訳（メタデータ） (2024-10-04T18:06:12Z) - Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
ランダム量子スピン系の進化をモデル化するためにFNOを用いる。
量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
論文 参考訳（メタデータ） (2024-09-05T07:18:09Z) - Ab-initio variational wave functions for the time-dependent many-electron Schrödinger equation [41.94295877935867]
平均場近似を超越したフェルミオン時間依存波動関数に対する変動的アプローチを提案する。
ニューラルネットワークのパラメータ化によって拡張された時間依存のJastrow因子とバックフロー変換を使用します。
この結果は、時間進化を正確に捉え、相互作用する電子系の量子力学に関する洞察を与える、我々の変分的アプローチの能力を示している。
論文 参考訳（メタデータ） (2024-03-12T09:37:22Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳（メタデータ） (2023-04-08T07:55:36Z) - Revealing microcanonical phase diagrams of strongly correlated systems
via time-averaged classical shadows [0.0]
本稿では,量子力学から量子コンピュータ上のミクロカノニカル相と相転移を研究する手法を提案する。
まず,100量子ビット系の基底状態計算に適用し,磁化と磁場の幾何学的関係を明らかにする。
次に、量子力学シミュレーションによるTACSデータの拡散マップは、位相決定特性を効率よく学習し、量子臨界領域を正しく同定することを示した。
論文 参考訳（メタデータ） (2022-11-02T16:39:52Z) - Quantum computation of molecular structure using data from
challenging-to-classically-simulate nuclear magnetic resonance experiments [0.0]
スピンスピナーの時間分解測定から分子核スピンハミルトニアンを推定するための量子アルゴリズムを提案する。
量子コンピュータ上で,対応する学習問題のヤコビアンとヘッセンを直接推定する能力を示す。
論文 参考訳（メタデータ） (2021-09-05T20:20:49Z) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳（メタデータ） (2021-06-24T15:58:57Z) - Quantum Markov Chain Monte Carlo with Digital Dissipative Dynamics on
Quantum Computers [52.77024349608834]
少数のアンシラ量子ビットを用いて環境との相互作用をシミュレートするデジタル量子アルゴリズムを開発した。
逆イジングモデルの熱状態のシミュレーションによるアルゴリズムの評価を行った。
論文 参考訳（メタデータ） (2021-03-04T18:21:00Z) - Dynamical replica analysis of quantum annealing [0.0]
量子スピン系の力学に対する興味深い別のアプローチが、約10年前に提案された。
これは、量子アンサンブルの鈴木・トロッターの古典的な写像を通してプロキシダイナミクスを作成することを含む。
この章では、導出の背後にある考えと仮定に焦点をあてて、このアプローチを紹介します。
論文 参考訳（メタデータ） (2020-10-23T12:17:38Z) - Direct reconstruction of the quantum master equation dynamics of a
trapped ion qubit [0.0]
本稿では,選択した可観測物の期待値の集合から直接,オープン量子系の力学方程式を再構成する手法を提案する。
自然光子散乱下での880textSr+$イオンのダイナミックスをシミュレーションおよび実験的に評価した。
論文 参考訳（メタデータ） (2020-03-10T13:09:00Z)
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。