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
- 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) - Recompilation-enhanced simulation of electron-phonon dynamics on IBM
Quantum computers [62.997667081978825]
小型電子フォノン系のゲートベース量子シミュレーションにおける絶対的資源コストについて考察する。
我々は、弱い電子-フォノン結合と強い電子-フォノン結合の両方のためのIBM量子ハードウェアの実験を行う。
デバイスノイズは大きいが、近似回路再コンパイルを用いることで、正確な対角化に匹敵する電流量子コンピュータ上で電子フォノンダイナミクスを得る。
論文 参考訳(メタデータ) (2022-02-16T19:00:00Z) - Neural-Network Quantum States for Periodic Systems in Continuous Space [66.03977113919439]
我々は、周期性の存在下での強い相互作用を持つシステムのシミュレーションのために、神経量子状態の族を紹介する。
一次元系では、基底状態エネルギーと粒子の放射分布関数を非常に正確に推定する。
二つの次元において基底状態エネルギーの優れた推定値を得るが、これはより伝統的な手法から得られる結果に匹敵する。
論文 参考訳(メタデータ) (2021-12-22T15:27:30Z) - 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) - Digital quantum simulation of open quantum systems using quantum
imaginary time evolution [0.0]
我々はリンドブラッド方程式によって支配されるオープン量子系の力学のディジタル量子シミュレーションのためのアルゴリズムを報告する。
我々の研究は、量子ハードウェア上のオープン量子システムの力学をシミュレートする努力を進めています。
論文 参考訳(メタデータ) (2021-04-15T23:48:06Z) - Fixed Depth Hamiltonian Simulation via Cartan Decomposition [59.20417091220753]
時間に依存しない深さの量子回路を生成するための構成的アルゴリズムを提案する。
一次元横フィールドXYモデルにおけるアンダーソン局在化を含む、モデルの特殊クラスに対するアルゴリズムを強調する。
幅広いスピンモデルとフェルミオンモデルに対して正確な回路を提供するのに加えて、我々のアルゴリズムは最適なハミルトニアンシミュレーションに関する幅広い解析的および数値的な洞察を提供する。
論文 参考訳(メタデータ) (2021-04-01T19:06:00Z) - 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。