Fugu-MT 論文翻訳(概要): Conditional Seq2Seq model for the time-dependent two-level system

論文の概要: Conditional Seq2Seq model for the time-dependent two-level system

arxiv url: http://arxiv.org/abs/2206.02889v1
Date: Mon, 6 Jun 2022 20:27:04 GMT
ステータス: 処理完了
システム内更新日: 2022-06-09 07:39:54.712951
Title: Conditional Seq2Seq model for the time-dependent two-level system
Title（参考訳）: 時間依存2レベルシステムのための条件付きseq2seqモデル
Authors: Bin Yang, Mengxi Wu, Winfried Teizer
Abstract要約: 深層学習ニューラルネットワークアーキテクチャを量子光学の2レベルシステムに適用する。超長期予測における90%以上の精度は、ランダム電場の場合において達成可能であることを示す。
参考スコア（独自算出の注目度）: 5.744133015573047
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We apply the deep learning neural network architecture to the two-level system in quantum optics to solve the time-dependent Schrodinger equation. By carefully designing the network structure and tuning parameters, above 90 percent accuracy in super long-term predictions can be achieved in the case of random electric fields, which indicates a promising new method to solve the time-dependent equation for two-level systems. By slightly modifying this network, we think that this method can solve the two- or three-dimensional time-dependent Schrodinger equation more efficiently than traditional approaches.
Abstract（参考訳）: 量子光学系の2レベル系にディープラーニングニューラルネットワークアーキテクチャを適用し,時間依存シュロディンガー方程式を解く。ネットワーク構造とチューニングパラメータを慎重に設計することにより、ランダム電場の場合、超長期予測における90%以上の精度が達成され、2段階系の時間依存方程式を解くための有望な新しい方法が示される。このネットワークをわずかに修正することで、従来の手法よりも効率的に2次元あるいは3次元の時間依存シュロディンガー方程式を解くことができると考える。

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)
Nonlinear dynamics as a ground-state solution on quantum computers [39.58317527488534]
量子ビットレジスタにおける空間と時間の両方を符号化する変分量子アルゴリズム(VQA)を提案する。時空符号化により、1つの基底状態計算から全時間進化を得ることができる。
論文参考訳（メタデータ） (2024-03-25T14:06:18Z)
Scalable Imaginary Time Evolution with Neural Network Quantum States [0.0]
ニューラルネットワーク量子状態(NQS)としての量子波関数の表現は、多体量子系の基底状態を見つけるための強力な変分アンサッツを提供する。我々は、計量テンソルの計算をバイパスするアプローチを導入し、代わりにユークリッド計量を用いた一階降下にのみ依存する。我々は,NQSのエネルギーが減少するまで最適な時間ステップを決定し,目標を固定し,適応的に安定させる。
論文参考訳（メタデータ） (2023-07-28T12:26:43Z)
Non-Stationary Long-Term Dynamics via Selected Incomplete Dual Bases [0.0]
我々は、SU(2)コヒーレント状態基底を提案し、時間非依存および時間依存ハミルトニアンの運動方程式を導出する。本手法は7ビット系の数値シミュレーションにより評価する。結論は,選択された不完全二元基底法は,短期的・長期的両方のダイナミクスを効率的に捉えることができることを示唆している。
論文参考訳（メタデータ） (2023-06-12T20:21:29Z)
Time Optimal Qubit Computer [0.0]
我々は時間依存変換の手法を用いて対処できる新しい物理システムをいくつか提示する。特に交流スターク効果に重点を置き、2状態システムで利用可能な結果のまとめを行う。我々は、任意の方向の静的電場における2状態系の完全な解を含む、よく知られていないいくつかの結果を与える。
論文参考訳（メタデータ） (2023-06-02T01:18:18Z)
Tensor Networks or Decision Diagrams? Guidelines for Classical Quantum Circuit Simulation [65.93830818469833]
テンソルネットワークと決定図は、異なる視点、用語、背景を念頭に、独立して開発されている。これらの手法が古典的量子回路シミュレーションにどのようにアプローチするかを考察し、最も適用可能な抽象化レベルに関してそれらの相似性を考察する。量子回路シミュレーションにおいて,テンソルネットワークの使い勝手の向上と決定図の使い勝手の向上に関するガイドラインを提供する。
論文参考訳（メタデータ） (2023-02-13T19:00:00Z)
On optimization of coherent and incoherent controls for two-level quantum systems [77.34726150561087]
本稿では、閉かつオープンな2レベル量子系の制御問題について考察する。閉系の力学は、コヒーレント制御を持つシュリンガー方程式によって支配される。開系の力学はゴリーニ=コサコフスキー=スダルシャン=リンドブラッドのマスター方程式によって支配される。
論文参考訳（メタデータ） (2022-05-05T09:08:03Z)
Multistate Transition Dynamics by Strong Time-Dependent Perturbation in NISQ era [0.0]
我々は,McLachlan変分原理をハイブリッド量子古典アルゴリズムに応用した量子計算手法を開発した。ベンチマークデータと比較すると、遷移確率は1%以上の精度で得られる。
論文参考訳（メタデータ） (2021-12-13T00:49:15Z)
Spacetime Neural Network for High Dimensional Quantum Dynamics [19.30780557470232]
量子力学を解くために,2次最適化を用いた時空ニューラルネットワーク法を開発した。自己正規化された自己回帰型時空ニューラルネットワーク構築を用いたシュル・オーディンガー方程式の手法を実証する。
論文参考訳（メタデータ） (2021-08-04T17:55:26Z)
Fast and differentiable simulation of driven quantum systems [58.720142291102135]
我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
論文参考訳（メタデータ） (2020-12-16T21:43:38Z)
Liquid Time-constant Networks [117.57116214802504]
本稿では,時間連続リカレントニューラルネットワークモデルについて紹介する。暗黙の非線形性によって学習システムの力学を宣言する代わりに、線形一階力学系のネットワークを構築する。これらのニューラルネットワークは安定かつ有界な振る舞いを示し、ニューラル常微分方程式の族の中で優れた表現性をもたらす。
論文参考訳（メタデータ） (2020-06-08T09:53:35Z)

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。