Fugu-MT 論文翻訳(概要): Applications of Machine Learning to Lattice Quantum Field Theory

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

Quantum Supervised Learning [0.5439020425819]
量子コンピューティングの最近の進歩は、これを複雑な計算課題に取り組むための先進的な解決策として位置づけている。量子機械学習の分野はまだ初期段階にあり、短期的な量子優位性に関する懐疑的なレベルが持続している。本稿では、教師あり学習のための現在の量子アルゴリズムに関する古典的な視点を提供することを目的とする。
論文参考訳（メタデータ） (2024-07-24T11:05:05Z)
Simulating quantum field theories on continuous-variable quantum computers [0.0]
我々は、任意のハミルトニアンの下で量子力学状態の時間発展を再現する方法を開発し、証明する。提案手法は,目的状態における所望の時間進化を誘導する特殊準備された量子状態である進化状態を構築することに集中する。 CVQCのフィールド理論を,フィールド値の認識を伴わずに符号化できるフレームワークを提案する。
論文参考訳（メタデータ） (2024-03-15T18:31:09Z)
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 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)
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)
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)
On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
論文参考訳（メタデータ） (2021-06-29T14:01:40Z)
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。