Fugu-MT 論文翻訳(概要): The Particle in a Box Warrants an Examination

論文の概要: The Particle in a Box Warrants an Examination

arxiv url: http://arxiv.org/abs/2204.07577v3
Date: Sat, 4 Jun 2022 13:41:44 GMT
ステータス: 処理完了
システム内更新日: 2023-02-16 23:59:57.586592
Title: The Particle in a Box Warrants an Examination
Title（参考訳）: 箱の中の粒子は検査を保証します
Authors: John R. Klauder
Abstract要約: 正準量子化を用いて、この例は単純さによって完全に研究されている。その繰り返しの分析にもかかわらず、過去の結果を疑問視する特徴がある。量子化問題を指摘することに加えて、アフィン量子化の手順は適切な量子化につながる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The particle in a box is a simple model that has a classical Hamiltonian $H=p^2$ (using $2m=1$), with a limited coordinate space, $-b<q<b$, where $0<b<\infty$. Using canonical quantization, this example has been fully studied thanks to its simplicity, and it is a common example for beginners to understand. Despite its repeated analysis, there is a feature that puts the past results into question. In addition to pointing out the quantization issue, the procedures of affine quantization can lead to a proper quantization that nesaeccsrily points toward more complicated eigenfunctions and eigenvalues, which deserve to be solved.
Abstract（参考訳）: 箱の中の粒子は、古典的ハミルトニアン$H=p^2$($2m=1$)と限定座標空間$-b<q<b$($0<b<\infty$)を持つ単純なモデルである。正準量子化を用いて、この例は単純さによって完全に研究され、初心者が理解する一般的な例である。その繰り返しの分析にもかかわらず、過去の結果を疑問視する特徴がある。量子化の問題の指摘に加えて、アフィン量子化の手順は、nesaeccsrilyがより複雑な固有関数と固有値を指し示す適切な量子化につながる可能性がある。

関連論文リスト

Slow Mixing of Quantum Gibbs Samplers [47.373245682678515]
一般化されたボトルネック補題を用いて、これらのツールの量子一般化を示す。この補題は、古典的なハミング距離に類似する距離の量子測度に焦点を当てるが、一意に量子原理に根ざしている。サブ線形障壁でさえも、ファインマン・カック法を用いて古典的から量子的なものを持ち上げて、厳密な下界の$T_mathrmmix = 2Omega(nalpha)$を確立する。
論文参考訳（メタデータ） (2024-11-06T22:51:27Z)
Calculating response functions of coupled oscillators using quantum phase estimation [40.31060267062305]
量子コンピュータを用いた結合型古典的高調波発振器系の周波数応答関数の推定問題について検討する。提案する量子アルゴリズムは,標準的な$sスパース,オーラクルベースのクエリアクセスモデルで動作する。そこで,本アルゴリズムの簡単な適応により,時間内に無作為な結束木問題を解くことを示す。
論文参考訳（メタデータ） (2024-05-14T15:28:37Z)
Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
論文参考訳（メタデータ） (2024-01-17T18:59:38Z)
Approximation Algorithms for Quantum Max-$d$-Cut [42.248442410060946]
量子Max-$d$-Cut問題(Quantum Max-$d$-Cut problem)は、プロジェクターに付随する期待エネルギーを、全ての局所相互作用上の2つの$d$-dimensional quditsの非対称部分空間に最大化する量子状態を見つけることである。我々は,非自明な性能保証を実現するために,有界な純度を持つ混合状態の積状態解を求めるアルゴリズムを開発した。
論文参考訳（メタデータ） (2023-09-19T22:53:17Z)
Entanglement and coherence in Bernstein-Vazirani algorithm [58.720142291102135]
Bernstein-Vaziraniアルゴリズムは、オラクルに符号化されたビット文字列を決定できる。我々はベルンシュタイン・ヴァジラニアルゴリズムの量子資源を詳細に分析する。絡み合いがない場合、初期状態における量子コヒーレンス量とアルゴリズムの性能が直接関係していることが示される。
論文参考訳（メタデータ） (2022-05-26T20:32:36Z)
Affine Quantization of the Harmonic Oscillator on the Semi-bounded domain $(-b,\infty)$ for $b: 0 \rightarrow \infty$ [0.0]
affine Quantization (AQ) Fantoni と Klauder (arXiv:2109.13447,Phys. D bf 103, 076013 (2021) を用いて古典システムの量子対向体への変換を研究する。我々はこの問題を$b rightarrow infty$で数値的に解き、Gouba (arXiv:2005.08696,J. High Energy Phys., Gravitation Cosmol) の結果を確認した。
論文参考訳（メタデータ） (2021-11-20T22:52:45Z)
Quantum Heaviside Eigen Solver [1.027974860479791]
本稿では、量子コンピュータにおける一般ハミルトニアンの固有値と固有状態の両方を計算するために、量子ヘビサイド固有解法と呼ばれる量子アルゴリズムを提案する。現在のアルゴリズムは、量子多体系と量子化学におけるハミルトンの普遍的な量子固有解法である。
論文参考訳（メタデータ） (2021-11-16T08:26:47Z)
Estimating Gibbs partition function with quantumClifford sampling [6.656454497798153]
分割関数を推定するハイブリッド量子古典アルゴリズムを開発した。我々のアルゴリズムは浅い$mathcalO(1)$-depth量子回路を必要とする。浅層量子回路は、現在利用可能なNISQ(ノイズ中間スケール量子)デバイスにとって極めて重要であると考えられている。
論文参考訳（メタデータ） (2021-09-22T02:03:35Z)
Affine Quantization on the Half Line [0.0]
ディラックの正準量子化は、$mathbbRn$を超える従来の量子力学の場合、合理的に機能する。アフィン量子化(Affine Quantization)は、正準量子化と同様の別の方法であり、正準量子化が失敗する状況において正の結果をもたらす可能性がある。
論文参考訳（メタデータ） (2020-05-18T13:20:36Z)
Quantization of the 1-D forced harmonic oscillator in the space ($x, v$) [0.0]
共鳴の場合、両方の量子化形式が異なる。システムの平均エネルギーは$(x,hat v$)量子化よりも$(x,hat p$)量子化の方が高い。ボルツマン=シャノンの量子化におけるエントロピーは、(x,hat v$)量子化よりも高い。
論文参考訳（メタデータ） (2020-04-29T21:29:20Z)
Quantum Coupon Collector [62.58209964224025]
我々は、$k$-要素集合$Ssubseteq[n]$が、その要素の一様重ね合わせ$|Srangleからいかに効率的に学習できるかを研究する。我々は、$k$と$n$ごとに必要となる量子サンプルの数に厳密な制限を与え、効率的な量子学習アルゴリズムを与える。
論文参考訳（メタデータ） (2020-02-18T16:14:55Z)

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。