論文の概要: Investigating Quantum Many-Body Systems with Tensor Networks, Machine Learning and Quantum Computers

• arxiv url: http://arxiv.org/abs/2210.11130v1
• Date: Thu, 20 Oct 2022 09:46:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-18 20:22:17.198044
• Title: Investigating Quantum Many-Body Systems with Tensor Networks, Machine Learning and Quantum Computers
• Title（参考訳）: テンソルネットワーク、機械学習、量子コンピュータを用いた量子多体系の研究
• Authors: Korbinian Kottmann
• Abstract要約: 古典的および量子コンピュータ上で量子シミュレーションを行う。 未知の量子多体系の位相図を教師なし方式でマッピングする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We perform quantum simulation on classical and quantum computers and set up a machine learning framework in which we can map out phase diagrams of known and unknown quantum many-body systems in an unsupervised fashion. The classical simulations are done with state-of-the-art tensor network methods in one and two spatial dimensions. For one dimensional systems, we utilize matrix product states (MPS) that have many practical advantages and can be optimized using the efficient density matrix renormalization group (DMRG) algorithm. The data for two dimensional systems is obtained from entangled projected pair states (PEPS) optimized via imaginary time evolution. Data in form of observables, entanglement spectra, or parts of the state vectors from these simulations, is then fed into a deep learning (DL) pipeline where we perform anomaly detection to map out the phase diagram. We extend this notion to quantum computers and introduce quantum variational anomaly detection. Here, we first simulate the ground state and then process it in a quantum machine learning (QML) manner. Both simulation and QML routines are performed on the same device, which we demonstrate both in classical simulation and on a physical quantum computer hosted by IBM.
• Abstract（参考訳）: 我々は、古典的および量子コンピュータ上で量子シミュレーションを行い、未知の量子多体系の位相図を教師なしの方法でマップアウトできる機械学習フレームワークを構築した。 古典シミュレーションは1次元と2次元の最先端テンソルネットワーク法を用いて行われる。 1次元システムでは,効率的な密度行列再正規化群 (dmrg) アルゴリズムを用いて,実用上有利な行列積状態 (mps) を最適化する。 2次元システムのデータは、仮想時間進化によって最適化された絡み合った対状態(PEPS)から得られる。 これらのシミュレーションから観測可能なデータ、絡み合いスペクトル、あるいは状態ベクトルの一部のデータをディープラーニング(DL)パイプラインに入力し、異常検出を行い、フェーズ図をマップアウトする。 この概念を量子コンピュータに拡張し、量子変動異常検出を導入する。 ここで、まず基底状態をシミュレートし、次に量子機械学習(qml)方式で処理する。 シミュレーションとQMLのルーチンは同じデバイス上で実行され、古典的シミュレーションとIBMがホストする物理量子コンピュータの両方で実演する。

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)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Large-scale simulations of Floquet physics on near-term quantum computers [0.3252295747842729]
  本稿では,量子ハードウェア上で高速駆動型量子システムをシミュレートするためのQHiFFSアルゴリズムを提案する。 QHiFFSの中心はキック演算子の概念であり、力学が時間に依存しない実効ハミルトニアンによって支配される基底となる。
  論文  参考訳（メタデータ） (2023-03-03T20:45:01Z)
• 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)
• Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
  量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。 量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。 ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
  論文  参考訳（メタデータ） (2022-12-21T19:00:04Z)
• Simulation of Entanglement Generation between Absorptive Quantum Memories [56.24769206561207]
  我々は、QUantum Network Communication (SeQUeNCe) のオープンソースシミュレータを用いて、2つの原子周波数コム(AFC)吸収量子メモリ間の絡み合いの発生をシミュレートする。 本研究は,SeQUeNCe における truncated Fock 空間内の光量子状態の表現を実現する。 本研究では,SPDC音源の平均光子数と,平均光子数とメモリモード数の両方で異なる絡み合い発生率を観測する。
  論文  参考訳（メタデータ） (2022-12-17T05:51:17Z)
• Revealing microcanonical phase diagrams of strongly correlated systems via time-averaged classical shadows [0.0]
  本稿では,量子力学から量子コンピュータ上のミクロカノニカル相と相転移を研究する手法を提案する。 まず,100量子ビット系の基底状態計算に適用し,磁化と磁場の幾何学的関係を明らかにする。 次に、量子力学シミュレーションによるTACSデータの拡散マップは、位相決定特性を効率よく学習し、量子臨界領域を正しく同定することを示した。
  論文  参考訳（メタデータ） (2022-11-02T16:39:52Z)
• A quantum processor based on coherent transport of entangled atom arrays [44.62475518267084]
  量子プロセッサは動的で非局所的な接続を持ち、絡み合った量子ビットは高い並列性でコヒーレントに輸送されることを示す。 このアーキテクチャを用いて,クラスタ状態や7キュービットのSteane符号状態などの絡み合ったグラフ状態のプログラム生成を実現する。
  論文  参考訳（メタデータ） (2021-12-07T19:00:00Z)
• Variational Quantum Anomaly Detection: Unsupervised mapping of phase diagrams on a physical quantum computer [0.0]
  量子シミュレーションから量子データを解析するための教師なし量子機械学習アルゴリズムである変分量子異常検出を提案する。 このアルゴリズムは、事前の物理的知識を持たないシステムの位相図を抽出するために用いられる。 現在ではアクセスしやすいデバイスで使用でき、実際の量子コンピュータ上でアルゴリズムを実行することができる。
  論文  参考訳（メタデータ） (2021-06-15T06:54:47Z)
• Efficient 2D Tensor Network Simulation of Quantum Systems [6.074275058563179]
  射影エンタングル状態(PEPS)のような2次元テンソルネットワークは物理系や量子回路の重要なクラスに適している。 本稿では,PEPSに基づく手法のための新しいアルゴリズムとソフトウェア抽象化を提案する。
  論文  参考訳（メタデータ） (2020-06-26T22:36:56Z)
• Holographic quantum algorithms for simulating correlated spin systems [0.0]
  相関スピン系の効率的な基底状態準備と動的進化のための「ホログラフィック」量子アルゴリズムスイートを提案する。 このアルゴリズムは、行列生成状態(MPS)と量子チャネルの等価性、および部分的な測定と量子ビット再使用を利用する。 潜在的な資源貯蓄の実証として,トラップイオン量子コンピュータ上での反強磁性ハイゼンベルク鎖のホロVQEシミュレーションを実装した。
  論文  参考訳（メタデータ） (2020-05-06T18:00:01Z)

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。