論文の概要: Ground state search by local and sequential updates of neural network quantum states

• arxiv url: http://arxiv.org/abs/2207.10882v2
• Date: Thu, 11 Aug 2022 09:34:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-04 03:01:11.010867
• Title: Ground state search by local and sequential updates of neural network quantum states
• Title（参考訳）: ニューラルネットワーク量子状態の局所的および逐次的更新による基底状態探索
• Authors: Wenxuan Zhang, Xiansong Xu, Zheyu Wu, Vinitha Balachandran, and Dario Poletti
• Abstract要約: 本稿では,ニューラルネットワーク量子状態の局所最適化手法を提案する。 制限ボルツマンマシンを用いた非可積分傾動イジングモデルの基底状態エネルギーと相関関係を解析した。 連続的な局所的な更新は、基底状態に近いエネルギーと相関を持つ状態へのより高速な収束をもたらす可能性がある。 このアプローチの一般性を示すために、これを 1D と 2D の非可積分スピン系の両方に適用する。
• 参考スコア（独自算出の注目度）: 3.3711670942444023
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neural network quantum states are a promising tool to analyze complex quantum systems given their representative power. It can however be difficult to optimize efficiently and effectively the parameters of this type of ansatz. Here we propose a local optimization procedure which, when integrated with stochastic reconfiguration, outperforms previously used global optimization approaches. Specifically, we analyze both the ground state energy and the correlations for the non-integrable tilted Ising model with restricted Boltzmann machines. We find that sequential local updates can lead to faster convergence to states which have energy and correlations closer to those of the ground state, depending on the size of the portion of the neural network which is locally updated. To show the generality of the approach we apply it to both 1D and 2D non-integrable spin systems.
• Abstract（参考訳）: ニューラルネットワークの量子状態は、その代表力から複雑な量子システムを分析する有望なツールである。 しかし、このタイプのアンサッツのパラメータを効率的に効果的に最適化することは困難である。 本稿では,確率的再構成と統合された局所最適化手法を提案する。 具体的には,非可積分傾斜イジングモデルとボルツマン機械との基底状態エネルギーと相関を解析した。 逐次的な局所的な更新は、ローカルに更新されるニューラルネットワークの一部の大きさに応じて、基底状態に近いエネルギーと相関を持つ状態への収束を速くする。 このアプローチの一般性を示すために、1dおよび2dの非可積分スピン系の両方に適用する。

関連論文リスト

• Deep Neural Networks as Variational Solutions for Correlated Open Quantum Systems [0.0]
  より強力なモデルで直接密度行列をパラメータ化することで、より良い変分アンザッツ関数が得られることを示す。 本稿では, 散逸的一次元逆場イジングモデルと2次元散逸的ハイゼンベルクモデルについて述べる。
  論文  参考訳（メタデータ） (2024-01-25T13:41:34Z)
• Neural network approach to quasiparticle dispersions in doped antiferromagnets [0.0]
  異なる1次元および2次元格子上でのボソニックおよびフェルミオンの$t-J$モデルを表現する神経量子状態の能力について検討する。 本稿では,ニューラルネットワークの状態表現から分散関係を計算する手法を提案する。
  論文  参考訳（メタデータ） (2023-10-12T17:59:33Z)
• 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)
• Quantum Gate Optimization for Rydberg Architectures in the Weak-Coupling Limit [55.05109484230879]
  我々は,Rydberg tweezerシステムにおける2ビットゲートの機械学習支援設計を実演する。 我々は,高忠実度CNOTゲートを実装した最適パルス列を生成する。 単一量子ビット演算の局所的な制御は、原子列上で量子計算を行うのに十分であることを示す。
  論文  参考訳（メタデータ） (2023-06-14T18:24:51Z)
• Variational quantum eigensolver with embedded entanglement using a tensor-network ansatz [0.8009842832476994]
  我々は、相乗最適化フレームワークのエンタングルメント拡大プロセスにテンソルネットワーク(TN)スキームを導入する。 このフレームワークは、不均一なシステムに対して、そのプロセスを体系的に構築するために使用できることを示す。 また, オール・ツー・オール結合不均質系におけるMERAの絡み合いの改善, エンハンスメント, および潜在的な相乗的応用についても論じる。
  論文  参考訳（メタデータ） (2023-05-11T02:45:52Z)
• Optimal quantum control via genetic algorithms for quantum state engineering in driven-resonator mediated networks [68.8204255655161]
  進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。 我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。 アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
  論文  参考訳（メタデータ） (2022-06-29T14:34:00Z)
• Positive-definite parametrization of mixed quantum states with deep neural networks [0.0]
  本稿では,GHDOに自己回帰構造を埋め込んで,確率分布を直接サンプリングする方法を示す。 我々はこのアーキテクチャを、散逸的横フィールドイジングモデルの定常状態によってベンチマークする。
  論文  参考訳（メタデータ） (2022-06-27T17:51:38Z)
• Centralizing State-Values in Dueling Networks for Multi-Robot Reinforcement Learning Mapless Navigation [87.85646257351212]
  本稿では,CTDE(Training and Decentralized Execution)パラダイムにおけるマルチロボットマップレスナビゲーションの問題点について考察する。 この問題は、各ロボットが観察を他のロボットと明示的に共有することなく、その経路を考えると困難である。 我々は,集中型状態値ネットワークを用いて共同状態値を計算するCTDEの新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-12-16T16:47:00Z)
• LocalDrop: A Hybrid Regularization for Deep Neural Networks [98.30782118441158]
  本稿では,ローカルラデマチャー複雑性を用いたニューラルネットワークの正規化のための新しい手法であるLocalDropを提案する。 フルコネクテッドネットワーク(FCN)と畳み込みニューラルネットワーク(CNN)の両方のための新しい正規化機能は、ローカルラデマチャー複雑さの上限提案に基づいて開発されました。
  論文  参考訳（メタデータ） (2021-03-01T03:10:11Z)
• Modeling from Features: a Mean-field Framework for Over-parameterized Deep Neural Networks [54.27962244835622]
  本稿では、オーバーパラメータ化ディープニューラルネットワーク(DNN)のための新しい平均場フレームワークを提案する。 このフレームワークでは、DNNは連続的な極限におけるその特徴に対する確率測度と関数によって表現される。 本稿では、標準DNNとResidual Network(Res-Net)アーキテクチャを通してフレームワークを説明する。
  論文  参考訳（メタデータ） (2020-07-03T01:37:16Z)
• Gaussian Process States: A data-driven representation of quantum many-body physics [59.7232780552418]
  我々は、絡み合った多体量子状態をコンパクトに表現するための、新しい非パラメトリック形式を示す。 この状態は、非常にコンパクトで、体系的に即効性があり、サンプリングに効率的である。 また、量子状態に対する普遍的な近似器として証明されており、データセットのサイズが大きくなるにつれて、絡み合った多体状態も捉えることができる。
  論文  参考訳（メタデータ） (2020-02-27T15:54:44Z)

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。