論文の概要: Data-Enhanced Variational Monte Carlo Simulations for Rydberg Atom Arrays

• arxiv url: http://arxiv.org/abs/2203.04988v2
• Date: Mon, 9 May 2022 20:53:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-22 19:27:40.026144
• Title: Data-Enhanced Variational Monte Carlo Simulations for Rydberg Atom Arrays
• Title（参考訳）: ライドバーグ原子配列に対するデータ強化変分モンテカルロシミュレーション
• Authors: Stefanie Czischek, M. Schuyler Moss, Matthew Radzihovsky, Ejaaz Merali, and Roger G. Melko
• Abstract要約: ライドバーグ原子配列(Rydberg atom array)は、様々な量子状態において相互作用する量子ビット系を準備できるプログラム可能な量子シミュレータである。 本稿では、たとえ少量のデータであっても、現在のRNNの事前学習が、その後の波形関数の変動最適化の収束時間を著しく短縮することを示す。 これは、実験量子シミュレーターで準備された状態から得られるあらゆる測定値が、神経ネットワークベースのVMC戦略に重要な価値をもたらすことを示唆している。
• 参考スコア（独自算出の注目度）: 0.3425341633647624
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rydberg atom arrays are programmable quantum simulators capable of preparing interacting qubit systems in a variety of quantum states. Due to long experimental preparation times, obtaining projective measurement data can be relatively slow for large arrays, which poses a challenge for state reconstruction methods such as tomography. Today, novel groundstate wavefunction ans\"atze like recurrent neural networks (RNNs) can be efficiently trained not only from projective measurement data, but also through Hamiltonian-guided variational Monte Carlo (VMC). In this paper, we demonstrate how pretraining modern RNNs on even small amounts of data significantly reduces the convergence time for a subsequent variational optimization of the wavefunction. This suggests that essentially any amount of measurements obtained from a state prepared in an experimental quantum simulator could provide significant value for neural-network-based VMC strategies.
• Abstract（参考訳）: rydberg atom arraysはプログラム可能な量子シミュレータであり、様々な量子状態において相互作用する量子ビットシステムを作成することができる。 長い実験的な準備期間のため、大規模なアレイでは射影測定データを得るのが比較的遅く、トモグラフィーのような状態再構成手法では困難である。 今日、新しい基底状態波動関数 ans\"atze like recurrent neural networks (rnns) は、射影的測定データだけでなく、ハミルトニアン誘導変分モンテカルロ (vmc) によっても効率的に訓練することができる。 本稿では,最近のrnnを少量のデータでも事前学習することで,後続の波動関数の変分最適化の収束時間を大幅に削減できることを示す。 これは、実験量子シミュレーターで準備された状態から得られるあらゆる測定値が、神経ネットワークベースのVMC戦略に重要な価値をもたらすことを示唆している。

関連論文リスト

• 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)
• Transformer neural networks and quantum simulators: a hybrid approach for simulating strongly correlated systems [1.6494451064539348]
  本稿では、数値データや実験データによるデータ駆動事前学習と、ハミルトン駆動最適化の第2段階を含む、ニューラル量子状態(NQS)のハイブリッド最適化手法を提案する。 我々の研究は、ニューラル量子状態の信頼性と効率的な最適化の道を開いた。
  論文  参考訳（メタデータ） (2024-05-31T17:55:27Z)
• Recurrent neural network wave functions for Rydberg atom arrays on kagome lattice [0.5492530316344587]
  ライドバーグ原子配列実験は、強力な量子シミュレータとして機能する能力を示した。 本稿では,2次元リカレントニューラルネットワーク(RNN)を用いて,カゴメ格子上のRydberg原子配列の基底状態について検討する。
  論文  参考訳（メタデータ） (2024-05-30T18:00:06Z)
• Online Variational Sequential Monte Carlo [49.97673761305336]
  我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。 オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
  論文  参考訳（メタデータ） (2023-12-19T21:45:38Z)
• 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)
• Robust Extraction of Thermal Observables from State Sampling and Real-Time Dynamics on Quantum Computers [49.1574468325115]
  我々は、状態の密度、特にその非負性性に制約を課す手法を導入し、この方法で、ノイズのある時系列からボルツマン重みを確実に抽出できることを示す。 本研究により,今日の量子コンピュータにおける時系列アルゴリズムの実装により,多体量子系の有限温度特性の研究が可能となった。
  論文  参考訳（メタデータ） (2023-05-30T18:00:05Z)
• Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
  量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。 量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。 ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
  論文  参考訳（メタデータ） (2022-12-21T19:00:04Z)
• Neural network enhanced measurement efficiency for molecular groundstates [63.36515347329037]
  いくつかの分子量子ハミルトニアンの複雑な基底状態波動関数を学習するために、一般的なニューラルネットワークモデルを適用する。 ニューラルネットワークモデルを使用することで、単一コピー計測結果だけで観測対象を再構築するよりも堅牢な改善が得られます。
  論文  参考訳（メタデータ） (2022-06-30T17:45:05Z)
• Efficient quantum state tomography with convolutional neural networks [0.0]
  我々は,情報的に完全な測定結果に対する確率分布の近似に依存する量子状態トモグラフィー手法を開発した。 実験データから直接推定した場合と比較して,観測可能量の推定誤差を最大で1桁低減する。
  論文  参考訳（メタデータ） (2021-09-28T14:55:54Z)
• 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)

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。