Fugu-MT 論文翻訳(概要): Numerical and geometrical aspects of flow-based variational quantum Monte Carlo

論文の概要: Numerical and geometrical aspects of flow-based variational quantum Monte Carlo

arxiv url: http://arxiv.org/abs/2203.14824v1
Date: Mon, 28 Mar 2022 15:04:29 GMT
ステータス: 処理完了
システム内更新日: 2022-03-29 17:42:35.266121
Title: Numerical and geometrical aspects of flow-based variational quantum Monte Carlo
Title（参考訳）: フローベース変分量子モンテカルロの数値的および幾何学的側面
Authors: James Stokes, Brian Chen, Shravan Veerapaneni
Abstract要約: 本稿では、場の振幅(可変四角形)に基づくボソンの例に焦点を当てる。 PyTorchコードの実装をガイドするために、いくつかの実用的な命令が提供されている。このレビューは、機械学習と量子情報科学に関心のある研究者が利用できることを意図している。
参考スコア（独自算出の注目度）: 4.2463407840464615
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This article aims to summarize recent and ongoing efforts to simulate continuous-variable quantum systems using flow-based variational quantum Monte Carlo techniques, focusing for pedagogical purposes on the example of bosons in the field amplitude (quadrature) basis. Particular emphasis is placed on the variational real- and imaginary-time evolution problems, carefully reviewing the stochastic estimation of the time-dependent variational principles and their relationship with information geometry. Some practical instructions are provided to guide the implementation of a PyTorch code. The review is intended to be accessible to researchers interested in machine learning and quantum information science.
Abstract（参考訳）: 本稿では,流れに基づく変分量子モンテカルロ法を用いて連続変数量子系をシミュレートするための近年の取り組みを要約し,場の振幅(四分数)に基づくボソンの例に着目した。特に、時間依存の変動原理の確率的推定と情報幾何学との関係を慎重に検討し、変動実時間および想像時間進化問題に重点を置いている。 pytorchコードの実装を導くための実践的な手順がいくつか提供されている。このレビューは、機械学習と量子情報科学に関心のある研究者が利用できることを意図している。

関連論文リスト

Quantum Geometric Machine Learning [0.6526824510982799]
微分幾何学とトポロジーの技法を応用した最先端の機械学習手法を提案する。時間-最適ユニタリシーケンスを近似的に推定するために,ディープラーニングのグレーボックス機械学習技術を用いて実演する。本稿では,カルタン分解と変分法による量子制御問題の解法を提案する。
論文参考訳（メタデータ） (2024-09-08T02:55:19Z)
Neural-network quantum states for many-body physics [0.0]
変分量子計算は、機械学習コミュニティから多くのツールやアルゴリズムを借りている。ディープラーニング問題にインスパイアされた試行状態は、スピン、フェルミオン、キュービット系の多体相関現象を正確にモデル化することができる。第一原理基底状態と実時間計算の最近の結果の概要について述べる。
論文参考訳（メタデータ） (2024-02-16T19:00:01Z)
Quantum computing for chemistry and physics applications from a Monte Carlo perspective [0.0]
この観点は、物理学と化学の分野における量子アルゴリズムとモンテカルロ法の間の重複に焦点をあてる。我々は、確立された量子モンテカルロ解を量子アルゴリズムに統合することの課題と可能性を分析する。
論文参考訳（メタデータ） (2023-08-15T18:01:28Z)
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)
Variational quantum algorithms for machine learning: theory and applications [0.0]
この論文は、変分量子アルゴリズムと量子機械学習の分野における最先端技術に関する包括的なレビューを提供する。この議論は量子機械学習に移行し、機械学習と統計学習理論の要素の導入に続いて、機械学習モデルの最も一般的な量子モデルに関するレビューが行われる。
論文参考訳（メタデータ） (2023-06-16T17:28:35Z)
Classical-to-Quantum Transfer Learning Facilitates Machine Learning with Variational Quantum Circuit [62.55763504085508]
本稿では,変分量子回路(VQC)を用いた古典的量子移動学習アーキテクチャにより,VQCモデルの表現と一般化(推定誤差)が向上することを証明する。古典-量子遷移学習のアーキテクチャは、事前学習された古典的生成AIモデルを活用し、訓練段階におけるVQCの最適パラメータの発見を容易にする。
論文参考訳（メタデータ） (2023-05-18T03:08:18Z)
Current fluctuations in open quantum systems: Bridging the gap between quantum continuous measurements and full counting statistics [0.0]
連続測定された量子系は出力電流によって特徴づけられる。現在の変動を記述するために使われる多くのツールは、異なるコミュニティに分散している。このチュートリアルの目的は、現在の変動を記述するための統一されたツールボックスを提供することです。
論文参考訳（メタデータ） (2023-03-07T22:44:25Z)
Universality of critical dynamics with finite entanglement [68.8204255655161]
臨界近傍の量子系の低エネルギー力学が有限絡みによってどのように変化するかを研究する。その結果、時間依存的臨界現象における絡み合いによる正確な役割が確立された。
論文参考訳（メタデータ） (2023-01-23T19:23:54Z)
The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
論文参考訳（メタデータ） (2022-12-22T16:06:24Z)
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 algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文参考訳（メタデータ） (2021-08-09T18:00:05Z)

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。