論文の概要: High-accuracy variational Monte Carlo for frustrated magnets with deep neural networks

• arxiv url: http://arxiv.org/abs/2211.07749v1
• Date: Mon, 14 Nov 2022 20:51:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-18 06:43:03.583145
• Title: High-accuracy variational Monte Carlo for frustrated magnets with deep neural networks
• Title（参考訳）: ディープニューラルネットワークを用いたフラストレーションマグネットの高精度変動モンテカルロ
• Authors: Christopher Roth, Attila Szab\'o and Allan MacDonald
• Abstract要約: 非常に深い(4-16層型)ニューラルネットワークに基づく神経量子状態は、高フラストレーション量子マグネットにおける最先端の変動的アプローチより優れていることを示す。 我々は、宇宙グループ対称性を我々の「迷路」に課すことができるグループ畳み込みニューラルネットワーク(GCNN)に焦点を当てている。
• 参考スコア（独自算出の注目度）: 1.2891210250935146
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We show that neural quantum states based on very deep (4--16-layered) neural networks can outperform state-of-the-art variational approaches on highly frustrated quantum magnets, including quantum-spin-liquid candidates. We focus on group convolutional neural networks (GCNNs) that allow us to impose space-group symmetries on our ans\"atze. We achieve state-of-the-art ground-state energies for the $J_1-J_2$ Heisenberg models on the square and triangular lattices, in both ordered and spin-liquid phases, and discuss ways to access low-lying excited states in nontrivial symmetry sectors. We also compute spin and dimer correlation functions for the quantum paramagnetic phase on the triangular lattice, which do not indicate either conventional or valence-bond ordering.
• Abstract（参考訳）: 非常に深い(4--16層型)ニューラルネットワークに基づく神経量子状態は、量子スピン液体候補を含む高フラストレーション量子マグネットにおける最先端の変動的アプローチより優れていることを示す。 我々はグループ畳み込みニューラルネットワーク(GCNN)に焦点をあてて、宇宙グループ対称性を我々のAns\atzeに課すことができる。 正方形および三角形格子上のj_1-j_2$ハイゼンベルク模型の秩序相とスピン液相の両方における最先端の基底状態エネルギーを実現し、非自明な対称性セクタで低次励起状態にアクセスする方法について議論する。 また、三角格子上の量子常磁性相のスピンとディマー相関関数を計算し、従来の順序付けや原子価結合順序付けは示さない。

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)
• Phase diagram of the J1-J2 Heisenberg second-order topological quantum magnet [0.0]
  ハイゼンベルクモデルの呼吸順序パラメータから生じるトポロジカルスピノンコーナーモードの出現を示す。 この結果は, 位相量子磁性を設計するためのパラダイムシステムとして, 呼吸フラストレーション付き正方格子ハイゼンベルクモデルを確立した。
  論文  参考訳（メタデータ） (2024-08-29T11:39:53Z)
• Approximately-symmetric neural networks for quantum spin liquids [0.4369058206183195]
  本稿では,量子スピン液体問題に対するほぼ対称なニューラルネットワーク群の提案と解析を行う。 我々の研究は、解釈可能なニューラルネットワークアーキテクチャにおける量子スピン液体問題の研究への道を開いた。
  論文  参考訳（メタデータ） (2024-05-27T18:00:00Z)
• Quantum Quench Dynamics of Geometrically Frustrated Ising Models [0.20971479389679332]
  逆場における三角形反強磁性体とビレイン模型について検討する。 この結果は,コヒーレント量子力学をシミュレートする量子アニールの能力を示すものである。
  論文  参考訳（メタデータ） (2024-02-29T19:39:14Z)
• 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)
• Dilute neutron star matter from neural-network quantum states [58.720142291102135]
  低密度中性子物質はクーパー対の形成と超流動の開始によって特徴づけられる。 我々は、モンテカルロ変分法と再構成技術を組み合わせた隠れ核量子ネットワーク量子状態の表現性に乗じて、この密度構造をモデル化する。
  論文  参考訳（メタデータ） (2022-12-08T17:55:25Z)
• Trimer quantum spin liquid in a honeycomb array of Rydberg atoms [0.0]
  Rydberg原子のハニカム配列におけるスピン液体の根本的に異なるクラスを具体的に実現したことを示す。 第3のアレスト近傍の原子がリドベルク封鎖の内側にある体制では、新しい基底状態が見つかる。 このトリマースピン液体状態の忠実度は動的調製により向上することができる。
  論文  参考訳（メタデータ） (2022-11-01T18:00:00Z)
• Phase diagram of a distorted kagome antiferromagnet and application to Y-kapellasite [50.591267188664666]
  古典的レベルにおいても,豊富な基底状態の位相図が明らかになる。 提示されたモデルは、かごめ反強磁性の研究において新しい方向を開く。
  論文  参考訳（メタデータ） (2021-07-28T18:00:03Z)
• Tunable anisotropic quantum Rabi model via a magnon--spin-qubit ensemble [0.0]
  理論的には、スピン量子ビット交換は、固有なスクイージングの制御可能な程度でマグノンをホストする異方性強磁性体に結合する。 圧縮マグノンの複合特性は、同じ磁石に結合した3つのスピン量子ビットの同時励起を可能にすることを実証する。
  論文  参考訳（メタデータ） (2021-05-16T13:04:05Z)
• 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)
• Entanglement Classification via Neural Network Quantum States [58.720142291102135]
  本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。 我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
  論文  参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。