論文の概要: Applications of Machine Learning to Lattice Quantum Field Theory
- arxiv url: http://arxiv.org/abs/2202.05838v1
- Date: Thu, 10 Feb 2022 22:59:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-15 18:06:21.384818
- Title: Applications of Machine Learning to Lattice Quantum Field Theory
- Title(参考訳): 格子量子場理論への機械学習の適用
- Authors: Denis Boyda, Salvatore Cal\`i, Sam Foreman, Lena Funcke, Daniel C.
Hackett, Yin Lin, Gert Aarts, Andrei Alexandru, Xiao-Yong Jin, Biagio Lucini,
Phiala E. Shanahan
- Abstract要約: 格子量子場理論研究における機械学習のユニークな要件について論じる。
将来的には、このアプローチの探索と展開を可能にするために何が必要なのかを概説する。
- 参考スコア(独自算出の注目度): 0.8591953083636291
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: There is great potential to apply machine learning in the area of numerical
lattice quantum field theory, but full exploitation of that potential will
require new strategies. In this white paper for the Snowmass community planning
process, we discuss the unique requirements of machine learning for lattice
quantum field theory research and outline what is needed to enable exploration
and deployment of this approach in the future.
- Abstract(参考訳): 数値格子量子場理論の分野に機械学習を適用する可能性は非常に高いが、そのポテンシャルの完全な活用には新たな戦略が必要だ。
本稿では,Snowmassコミュニティプランニングプロセスの白書として,格子量子場理論研究における機械学習のユニークな要件について論じ,今後のアプローチの探索と展開に何が必要なのかを概説する。
関連論文リスト
- Resources of the Quantum World [4.3512163406552]
量子資源理論は、単一の枠組みの下で様々な量子現象を統合することを目指している。
本は読者に、この急速に発展する分野にナビゲートし貢献するために必要な高度な数学的ツールと物理原理を装備することを目的としている。
論文 参考訳(メタデータ) (2024-02-08T08:05:02Z) - Quantum Generative Adversarial Networks: Bridging Classical and Quantum
Realms [0.6827423171182153]
GAN(Generative Adversarial Networks)領域における古典的および量子コンピューティングパラダイムの相乗的融合について検討する。
我々の目的は、量子計算要素を従来のGANアーキテクチャにシームレスに統合し、トレーニングプロセスの強化のために新しい経路を開放することである。
この研究は量子化機械学習の最前線に位置し、量子システムの計算能力を活用するための重要な一歩である。
論文 参考訳(メタデータ) (2023-12-15T16:51:36Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳(メタデータ) (2023-06-29T18:00:01Z) - Quantum Machine Learning Implementations: Proposals and Experiments [0.0]
この記事では、量子強化学習、量子オートエンコーダ、量子メムリスタなど、特定の高インパクトトピックについてレビューする。
量子機械学習の分野は、産業や社会にとって有益な結果を生み出す最初の量子技術の一つかもしれない。
論文 参考訳(メタデータ) (2023-03-11T01:02:16Z) - Assessing requirements to scale to practical quantum advantage [56.22441723982983]
大規模量子アプリケーションに必要なリソースを推定するために,スタックの層を抽象化し,量子リソース推定のためのフレームワークを開発する。
3つのスケールされた量子アプリケーションを評価し、実用的な量子優位性を達成するために数十万から数百万の物理量子ビットが必要であることを発見した。
私たちの研究の目標は、より広範なコミュニティがスタック全体の設計選択を探索できるようにすることで、実用的な量子的優位性に向けた進歩を加速することにあります。
論文 参考訳(メタデータ) (2022-11-14T18:50:27Z) - Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。
機械学習の観点からQGLMの現状を概観する。
従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
論文 参考訳(メタデータ) (2022-06-07T07:32:57Z) - Modern applications of machine learning in quantum sciences [51.09906911582811]
本稿では、教師なし、教師なし、強化学習アルゴリズムにおけるディープラーニングとカーネル手法の使用について述べる。
我々は、微分可能プログラミング、生成モデル、機械学習に対する統計的アプローチ、量子機械学習など、より専門的なトピックについて議論する。
論文 参考訳(メタデータ) (2022-04-08T17:48:59Z) - Quantum field theories, Markov random fields and machine learning [0.0]
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。
論文 参考訳(メタデータ) (2021-10-21T06:50:33Z) - The Hintons in your Neural Network: a Quantum Field Theory View of Deep
Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。
ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文 参考訳(メタデータ) (2021-03-08T17:24:29Z) - Machine learning transfer efficiencies for noisy quantum walks [62.997667081978825]
グラフ型と量子系コヒーレンスの両方の要件を見つけるプロセスは自動化可能であることを示す。
この自動化は、特定のタイプの畳み込みニューラルネットワークを使用して、どのネットワークで、どのコヒーレンス要求の量子優位性が可能かを学習する。
我々の結果は、量子実験における利点の実証と、科学的研究と発見の自動化への道を開くために重要である。
論文 参考訳(メタデータ) (2020-01-15T18:36:53Z)
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。