論文の概要: Efficient tensor network simulation of quantum many-body physics on sparse graphs

• arxiv url: http://arxiv.org/abs/2206.04701v1
• Date: Thu, 9 Jun 2022 18:00:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-10 01:25:14.272527
• Title: Efficient tensor network simulation of quantum many-body physics on sparse graphs
• Title（参考訳）: スパースグラフ上の量子多体物理の効率的なテンソルネットワークシミュレーション
• Authors: Subhayan Sahu and Brian Swingle
• Abstract要約: 疎結合な基礎グラフ上に定義されたテンソルネットワーク状態について検討する。 メッセージパッシング推論アルゴリズムは、局所的な期待値の効率的な計算に繋がる可能性がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study tensor network states defined on an underlying graph which is sparsely connected. Generic sparse graphs are expander graphs with a high probability, and one can represent volume law entangled states efficiently with only polynomial resources. We find that message-passing inference algorithms such as belief propagation can lead to efficient computation of local expectation values for a class of tensor network states defined on sparse graphs. As applications, we study local properties of square root states, graph states, and also employ this method to variationally prepare ground states of gapped Hamiltonians defined on generic graphs. Using the variational method we study the phase diagram of the transverse field quantum Ising model defined on sparse expander graphs.
• Abstract（参考訳）: 疎結合なグラフ上に定義されたテンソルネットワーク状態について検討する。 ジェネリックスパースグラフは高い確率で拡大グラフであり、多項式資源のみで効率的に体積法則の絡み合った状態を表現することができる。 信念伝達などのメッセージパッシング推論アルゴリズムは、スパースグラフ上で定義されたテンソルネットワーク状態のクラスに対する局所期待値の効率的な計算に繋がる。 応用として,平方根状態,グラフ状態の局所的性質を研究し,一般グラフ上で定義されるガッピングハミルトニアンの基底状態の変分的準備にも用いる。 変分法を用いて,スパース拡大グラフ上に定義された横場量子イジングモデルの位相図について検討する。

関連論文リスト

• Distinguishing Graph States by the Properties of Their Marginals [0.0]
  グラフの辺構造に基づいて、計算が容易なLU不変量の族を導入する。 これらの不変量は、8量子ビット以下の全てのグラフ状態の全てのLU軌道と絡み合いクラスを一意に識別できることを示す。 また、より多くのノードを持つ絡み合いクラスの例についても論じる。
  論文  参考訳（メタデータ） (2024-06-14T12:03:10Z)
• Advective Diffusion Transformers for Topological Generalization in Graph Learning [69.2894350228753]
  グラフ拡散方程式は、様々なグラフトポロジーの存在下で、どのように外挿して一般化するかを示す。 本稿では,新たなグラフエンコーダのバックボーンであるAdvective Diffusion Transformer (ADiT)を提案する。
  論文  参考訳（メタデータ） (2023-10-10T08:40:47Z)
• Multipartite Entanglement Distribution in Quantum Networks using Subgraph Complementations [9.32782060570252]
  量子ネットワーク上でグラフ状態を分散する新しい手法を提案する。 グラフ状態の分布は,部分グラフ補完システムによって特徴づけられることを示す。 任意のグラフ状態の分配に最適な部分グラフ補完演算の列を求める。
  論文  参考訳（メタデータ） (2023-08-25T23:03:25Z)
• Graph Kernel Neural Networks [53.91024360329517]
  本稿では、グラフ上の内部積を計算するカーネル関数であるグラフカーネルを用いて、標準畳み込み演算子をグラフ領域に拡張することを提案する。 これにより、入力グラフの埋め込みを計算する必要のない完全に構造的なモデルを定義することができる。 私たちのアーキテクチャでは,任意の種類のグラフカーネルをプラグインすることが可能です。
  論文  参考訳（メタデータ） (2021-12-14T14:48:08Z)
• Spectral Graph Convolutional Networks With Lifting-based Adaptive Graph Wavelets [81.63035727821145]
  スペクトルグラフ畳み込みネットワーク(SGCN)はグラフ表現学習において注目を集めている。 本稿では,適応グラフウェーブレットを用いたグラフ畳み込みを実装した新しいスペクトルグラフ畳み込みネットワークを提案する。
  論文  参考訳（メタデータ） (2021-08-03T17:57:53Z)
• Understanding graph embedding methods and their applications [1.14219428942199]
  グラフ埋め込み技術は、高次元スパースグラフを低次元密度連続ベクトル空間に変換するのに有効である。 生成した非線形かつ高情報性の高いグラフ埋め込みは、異なる下流グラフ解析タスクに便利に利用することができる。
  論文  参考訳（メタデータ） (2020-12-15T00:30:22Z)
• Verification of graph states in an untrusted network [0.0]
  我々は、信頼できない情報源が生成し、おそらく不名誉な関係者のネットワーク間で共有されるグラフ状態の検証について検討する。 これは、様々な分散タスクに対するグラフ状態の適用の証明に影響を及ぼす。 有用なグラフ状態の大規模なファミリに対して,グローバルに効率的なプロトコルを提案する。
  論文  参考訳（メタデータ） (2020-07-26T13:17:21Z)
• Natural Graph Networks [80.77570956520482]
  より一般的な自然性の概念がグラフネットワークを適切に定義するのに十分であることを示す。 グローバルおよびローカルな自然グラフネットワークを定義し、後者は従来のメッセージパッシンググラフニューラルネットワークと同じくらいスケーラブルである。
  論文  参考訳（メタデータ） (2020-07-16T14:19:06Z)
• Graph Pooling with Node Proximity for Hierarchical Representation Learning [80.62181998314547]
  本稿では,ノード近接を利用したグラフプーリング手法を提案し,そのマルチホップトポロジを用いたグラフデータの階層的表現学習を改善する。 その結果,提案したグラフプーリング戦略は,公開グラフ分類ベンチマークデータセットの集合において,最先端のパフォーマンスを達成できることが示唆された。
  論文  参考訳（メタデータ） (2020-06-19T13:09:44Z)
• Block-Approximated Exponential Random Graphs [77.4792558024487]
  指数乱グラフ(ERG)の分野における重要な課題は、大きなグラフ上の非自明なERGの適合である。 本稿では,非自明なERGに対する近似フレームワークを提案する。 我々の手法は、数百万のノードからなるスパースグラフにスケーラブルである。
  論文  参考訳（メタデータ） (2020-02-14T11:42:16Z)

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。