論文の概要: Quantum-probabilistic Hamiltonian learning for generative modelling & anomaly detection

• arxiv url: http://arxiv.org/abs/2211.03803v2
• Date: Mon, 3 Jul 2023 00:46:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-04 15:20:43.728546
• Title: Quantum-probabilistic Hamiltonian learning for generative modelling & anomaly detection
• Title（参考訳）: 生成モデルと異常検出のための量子確率ハミルトン学習
• Authors: Jack Y. Araz and Michael Spannowsky
• Abstract要約: 本研究では,データ解析におけるハミルトニアンシステムの学習と活用の可能性について検討する。 我々は、シミュレーションされた大型ハドロン衝突型加速器データの生成モデル作成に量子ハミルトニアンモデルを用いる。 さらに、学習したハミルトニアンを用いて異常検出を行い、異なるサンプル型が異なる動的挙動を形成することを示す。
• 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: The Hamiltonian of an isolated quantum mechanical system determines its dynamics and physical behaviour. This study investigates the possibility of learning and utilising a system's Hamiltonian and its variational thermal state estimation for data analysis techniques. For this purpose, we employ the method of Quantum Hamiltonian-Based Models for the generative modelling of simulated Large Hadron Collider data and demonstrate the representability of such data as a mixed state. In a further step, we use the learned Hamiltonian for anomaly detection, showing that different sample types can form distinct dynamical behaviours once treated as a quantum many-body system. We exploit these characteristics to quantify the difference between sample types. Our findings show that the methodologies designed for field theory computations can be utilised in machine learning applications to employ theoretical approaches in data analysis techniques.
• Abstract（参考訳）: 孤立量子力学系のハミルトニアンはその力学と物理的挙動を決定する。 本研究では,システムのハミルトニアンを学習し,その変動熱状態推定をデータ解析に活用する可能性について検討する。 そこで本研究では,シミュレーションによる大型ハドロン衝突型加速器データの生成モデルとして量子ハミルトニアンモデルを用いて,混合状態として表現可能性を示す。 さらに、学習したハミルトニアンを用いて異常検出を行い、異なるサンプル型が量子多体系として扱われたときの異なる動的挙動を形成することを示した。 これらの特徴を利用してサンプルタイプの違いを定量化する。 本研究は,フィールド理論計算のための手法を機械学習アプリケーションに応用し,データ解析手法の理論的アプローチを応用できることを示唆する。

関連論文リスト

• Quantum Simulation of Nonlinear Dynamical Systems Using Repeated Measurement [42.896772730859645]
  本稿では, 非線形常微分方程式の初期値問題を解くために, 繰り返し測定に基づく量子アルゴリズムを提案する。 古典ロジスティック系とローレンツ系に、積分可能かつカオス的条件の両方でこのアプローチを適用する。
  論文  参考訳（メタデータ） (2024-10-04T18:06:12Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Bayesian Identification of Nonseparable Hamiltonian Systems Using Stochastic Dynamic Models [0.13764085113103217]
  本稿では,システム同定(ID)の確率的定式化と非分離ハミルトニアン系の推定を提案する。 非分離ハミルトニアン系は、天体物理学、ロボット工学、渦力学、荷電粒子力学、量子力学などの様々な科学・工学応用のモデルに現れる。
  論文  参考訳（メタデータ） (2022-09-15T23:11:11Z)
• Learning continuous models for continuous physics [94.42705784823997]
  本研究では,科学技術応用のための機械学習モデルを検証する数値解析理論に基づくテストを開発する。 本研究は,従来のMLトレーニング/テスト手法と一体化して,科学・工学分野におけるモデルの検証を行う方法である。
  論文  参考訳（メタデータ） (2022-02-17T07:56:46Z)
• Deep learning methods for the computation of vibrational wavefunctions [0.0]
  2つのDeep Learningモデルを用いて分子系の振動を生成する。 生成されたニューラルネットワークは解析解を持つハミルトンで訓練される。 このアプローチは、異なる分子ポテンシャルの励起振動波動関数を再現することができる。
  論文  参考訳（メタデータ） (2021-02-27T12:26:40Z)
• Using Data Assimilation to Train a Hybrid Forecast System that Combines Machine-Learning and Knowledge-Based Components [52.77024349608834]
  利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。 動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
  論文  参考訳（メタデータ） (2021-02-15T19:56:48Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• State preparation and measurement in a quantum simulation of the O(3) sigma model [65.01359242860215]
  我々は,非線型O(3)シグマモデルの固定点が,格子サイトあたり2キュービットしか持たないスピンモデルの量子相転移付近で再現可能であることを示す。 本稿では,弱い結合状態と量子臨界状態の両方において,断熱的基底状態の準備が複雑になる結果を得るためにトロッター法を適用した。 非単位ランダム化シミュレーション法に基づく量子アルゴリズムの提案と解析を行う。
  論文  参考訳（メタデータ） (2020-06-28T23:44:12Z)
• Certified variational quantum algorithms for eigenstate preparation [0.0]
  我々は変分アルゴリズムの終了を認証する手段を開発する。 逆場イジングモデル、競合する相互作用を持つ1次元スピンレスフェルミオンのモデル、量子電磁力学のシュウィンガーモデルという3つのモデルに適用することで、我々のアプローチを実証する。
  論文  参考訳（メタデータ） (2020-06-23T18:00:00Z)
• Differentiable Molecular Simulations for Control and Learning [0.9208007322096533]
  そこで我々は,ハミルトニアンをパラメータ化してマクロモデルを推論し,制御プロトコルを開発する新しい手法を開発した。 我々は、バルクターゲットオブザーバブルとシミュレーション結果がハミルトニアンに対して解析的に微分できるような、微分可能なシミュレーションを用いて、これをどのように達成できるかを実証する。
  論文  参考訳（メタデータ） (2020-02-27T04:35:19Z)

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。

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。