Fugu-MT 論文翻訳(概要): Quantum phase detection generalisation from marginal quantum neural network models

論文の概要: Quantum phase detection generalisation from marginal quantum neural network models

arxiv url: http://arxiv.org/abs/2208.08748v2
Date: Tue, 24 Jan 2023 17:15:04 GMT
ステータス: 処理完了
システム内更新日: 2023-01-30 17:52:25.887774
Title: Quantum phase detection generalisation from marginal quantum neural network models
Title（参考訳）: 限界量子ニューラルネットワークモデルによる量子位相検出の一般化
Authors: Saverio Monaco, Oriel Kiss, Antonio Mandarino, Sofia Vallecorsa and Michele Grossi
Abstract要約: 我々は量子畳み込みニューラルネットワークを用いて解析解が欠如しているモデルの位相図を決定する。より具体的には、強磁性、常磁性、反相を持つ軸方向の次アレスト近傍イジング(ANNNI)ハミルトニアンを考える。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Quantum machine learning offers a promising advantage in extracting information about quantum states, e.g. phase diagram. However, access to training labels is a major bottleneck for any supervised approach, preventing getting insights about new physics. In this Letter, using quantum convolutional neural networks, we overcome this limit by determining the phase diagram of a model where analytical solutions are lacking, by training only on marginal points of the phase diagram, where integrable models are represented. More specifically, we consider the axial next-nearest-neighbor Ising (ANNNI) Hamiltonian, which possesses a ferromagnetic, paramagnetic and antiphase, showing that the whole phase diagram can be reproduced.
Abstract（参考訳）: 量子機械学習は、例えば位相図のような量子状態に関する情報を抽出する上で有望な利点を提供する。しかし、トレーニングラベルへのアクセスは、教師付きアプローチの大きなボトルネックであり、新しい物理学に関する洞察を得るのを防ぐ。この書簡では、量子畳み込みニューラルネットワークを用いて、解析解が不足しているモデルの位相図を決定し、可積分モデルを表現する位相図の限界点のみを訓練することにより、この限界を克服する。より具体的には、強磁性、常磁性、反磁性を持つ軸方向の次アレスト近傍イジング(ANNNI)ハミルトニアンは、全相図を再現可能であることを示す。

関連論文リスト

Exploring quantum localization with machine learning [39.58317527488534]
本稿では、その局所化の観点から、波動関数を分類するための効率的なニューラルネットワーク(NN)アーキテクチャを提案する。提案手法は, 量子位相空間のパラメトリゼーションにより, 改良畳み込みモデルのパターン認識機能と, 独自の「量子」NNへと導かれる。
論文参考訳（メタデータ） (2024-06-01T08:50:26Z)
Boundary scattering tomography of the Bose Hubbard model on general graphs [0.0]
本稿では,Bose-Hubbard Hamiltonianによって記述できる量子シミュレータのトモグラフィー手法を提案する。シミュレータのオンサイト反発をオン/オフする追加の能力により、ハミルトニアンパラメータが標準量子限界を超えていることが示される。
論文参考訳（メタデータ） (2023-10-22T05:42:48Z)
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)
QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文参考訳（メタデータ） (2022-11-09T21:43:16Z)
Theory of Quantum Generative Learning Models with Maximum Mean Discrepancy [67.02951777522547]
量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
論文参考訳（メタデータ） (2022-05-10T08:05:59Z)
An Application of Quantum Machine Learning on Quantum Correlated Systems: Quantum Convolutional Neural Network as a Classifier for Many-Body Wavefunctions from the Quantum Variational Eigensolver [0.0]
最近提案された量子畳み込みニューラルネットワーク(QCNN)は、量子回路を使用するための新しいフレームワークを提供する。ここでは、一次元逆場イジングモデル(TFIM)に対する変分量子固有解器の波動関数によるQCNNのトレーニング結果を示す。 QCNNは、それから遠く離れた波動関数によって訓練されたとしても、量子臨界点の周りの波動関数の対応する位相を予測するために訓練することができる。
論文参考訳（メタデータ） (2021-11-09T12:08:49Z)
Learning a compass spin model with neural network quantum states [0.0]
フラストレーション量子スピンハミルトニアンの基底状態を学ぶための制限ボルツマンマシンの能力を示す。機械学習のフラストレーション量子マグネットの課題に対処するために、いくつかの戦略が概説されている。
論文参考訳（メタデータ） (2021-11-08T02:40:24Z)
Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文参考訳（メタデータ） (2021-06-24T15:58:57Z)
The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文参考訳（メタデータ） (2021-03-08T17:24:29Z)
Quantum information spreading in a disordered quantum walk [50.591267188664666]
量子ウォークスを用いて量子情報拡散パターンを探索する量子探索プロトコルを設計する。我々は、異常や古典的輸送を調査するために、コヒーレントな静的および動的障害に焦点を当てる。以上の結果から,複雑なネットワークで発生する欠陥や摂動の情報を読み取る装置として,量子ウォーク(Quantum Walk)が考えられる。
論文参考訳（メタデータ） (2020-10-20T20:03:19Z)

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。