論文の概要: Entanglement estimation in tensor network states via sampling
- arxiv url: http://arxiv.org/abs/2202.04089v3
- Date: Tue, 26 Jul 2022 07:04:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-26 08:54:43.429452
- Title: Entanglement estimation in tensor network states via sampling
- Title(参考訳): サンプリングによるテンソルネットワーク状態の絡み合い推定
- Authors: Noa Feldman, Augustine Kshetrimayum, Jens Eisert, Moshe Goldstein
- Abstract要約: 一般次元におけるテンソルネットワーク状態の有意義な絡み合いを抽出する手法を提案する。
チェッカーボード形状の1次元臨界XX連鎖と2次元トーリック符号について,本手法を検証した。
- 参考スコア(独自算出の注目度): 0.688204255655161
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce a method for extracting meaningful entanglement measures of
tensor network states in general dimensions. Current methods require the
explicit reconstruction of the density matrix, which is highly demanding, or
the contraction of replicas, which requires an effort exponential in the number
of replicas and which is costly in terms of memory. In contrast, our method
requires the stochastic sampling of matrix elements of the classically
represented reduced states with respect to random states drawn from simple
product probability measures constituting frames. Even though not corresponding
to physical operations, such matrix elements are straightforward to calculate
for tensor network states, and their moments provide the R\'enyi entropies and
negativities as well as their symmetry-resolved components. We test our method
on the one-dimensional critical XX chain and the two-dimensional toric code in
a checkerboard geometry. Although the cost is exponential in the subsystem
size, it is sufficiently moderate so that - in contrast with other approaches -
accurate results can be obtained on a personal computer for relatively large
subsystem sizes.
- Abstract(参考訳): 一般次元におけるテンソルネットワーク状態の有意義な絡み合いを抽出する手法を提案する。
現在の手法では、要求の高い密度行列の明示的な再構築やレプリカの収縮が必要であり、レプリカの数が指数関数的に増加し、メモリの点でコストがかかる。
対照的に,本手法では,フレームを構成する単純な積確率測度から引き出された確率状態に関して,古典的に表現された還元状態の行列要素を確率的にサンプリングする必要がある。
物理演算に対応していないにもかかわらず、そのような行列要素はテンソルネットワーク状態の計算が簡単であり、それらのモーメントはR'enyiエントロピーと負性および対称解成分を提供する。
本手法は1次元臨界xx鎖と2次元トーリック符号をチェッカーボード幾何でテストする。
コストはサブシステムサイズで指数関数的であるが、他のアプローチの正確な結果とは対照的に、比較的大きなサブシステムサイズでパーソナルコンピュータ上で得られる。
関連論文リスト
- Quantization of Large Language Models with an Overdetermined Basis [73.79368761182998]
本稿では,嘉心表現の原理に基づくデータ量子化アルゴリズムを提案する。
以上の結果から, カシ量子化はモデル性能の競争力や優れた品質を達成できることが示唆された。
論文 参考訳(メタデータ) (2024-04-15T12:38:46Z) - Tensor Network Representation and Entanglement Spreading in Many-Body
Localized Systems: A Novel Approach [0.0]
一次元多体局在系に対する局所運動積分を計算するための新しい手法が考案された。
最適なユニタリ変換のクラスはテンソル-ネットワーク形式において導出され、指定された系のハミルトニアンを対角化する。
提案手法の効率を評価した結果, 高速かつほぼ正確であることが判明した。
論文 参考訳(メタデータ) (2023-12-13T14:28:45Z) - The Decimation Scheme for Symmetric Matrix Factorization [0.0]
行列分解(Matrix factorization)は、その広範囲な応用により重要になった推論問題である。
我々はこの広範囲なランク問題について研究し、最近導入した代替の「決定」手順を拡張した。
本稿では,デシメーションを実装し,行列分解を行う基底状態探索に基づく簡単なアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-07-31T10:53:45Z) - A coherence parameter characterizing generative compressed sensing with
Fourier measurements [8.106641866299379]
サブサンプルアイソメトリーを用いた生成的圧縮センシングのための,最初の制限されたアイソメトリーの保証を証明した。
回復効率は、ネットワークの範囲と測定行列の間の相互作用を測定する新しいパラメータであるコヒーレンスによって特徴づけられる。
論文 参考訳(メタデータ) (2022-07-19T15:49:41Z) - Density matrix reconstruction using non-negative matrix product states [0.0]
量子状態トモグラフィーは、量子情報処理の鍵となる技術であるが、その複雑さとシステムサイズが指数関数的に増加するため、困難である。
本稿では, 必ずしも指数関数的に成長しない測定結果の集合に基づいて, 最適非負行列積状態近似を反復的に求めるアルゴリズムを提案する。
応用として,本アルゴリズムは脱分極雑音下でのXXZスピン鎖の基底状態を数値的に再現する。
論文 参考訳(メタデータ) (2022-04-26T15:32:35Z) - Manifold learning-based polynomial chaos expansions for high-dimensional
surrogate models [0.0]
システム記述における不確実性定量化(UQ)のための多様体学習に基づく手法を提案する。
提案手法は高精度な近似を達成でき、UQタスクの大幅な高速化につながる。
論文 参考訳(メタデータ) (2021-07-21T00:24:15Z) - Improving Metric Dimensionality Reduction with Distributed Topology [68.8204255655161]
DIPOLEは、局所的、計量的項と大域的、位相的項の両方で損失関数を最小化し、初期埋め込みを補正する次元推論後処理ステップである。
DIPOLEは、UMAP、t-SNE、Isomapといった一般的な手法よりも多くの一般的なデータセットで優れています。
論文 参考訳(メタデータ) (2021-06-14T17:19:44Z) - Learning Optical Flow from a Few Matches [67.83633948984954]
密な相関体積表現は冗長であり、その中の要素のほんの一部で正確なフロー推定が達成できることを示した。
実験により,高い精度を維持しつつ計算コストとメモリ使用量を大幅に削減できることを示した。
論文 参考訳(メタデータ) (2021-04-05T21:44:00Z) - Understanding Implicit Regularization in Over-Parameterized Single Index
Model [55.41685740015095]
我々は高次元単一インデックスモデルのための正規化自由アルゴリズムを設計する。
暗黙正則化現象の理論的保証を提供する。
論文 参考訳(メタデータ) (2020-07-16T13:27:47Z) - Eigendecomposition-Free Training of Deep Networks for Linear
Least-Square Problems [107.3868459697569]
我々は、ディープネットワークのトレーニングに固有分解のないアプローチを導入する。
この手法は固有分解の明示的な微分よりもはるかに堅牢であることを示す。
我々の手法は収束特性が良く、最先端の結果が得られます。
論文 参考訳(メタデータ) (2020-04-15T04:29:34Z) - Semiparametric Nonlinear Bipartite Graph Representation Learning with
Provable Guarantees [106.91654068632882]
半パラメトリック指数族分布におけるパラメータの統計的推定問題として、両部グラフを考察し、その表現学習問題を定式化する。
提案手法は, 地中真理付近で強い凸性を示すため, 勾配降下法が線形収束率を達成できることを示す。
我々の推定器は指数族内の任意のモデル誤特定に対して頑健であり、広範な実験で検証されている。
論文 参考訳(メタデータ) (2020-03-02T16:40:36Z)
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。