論文の概要: Harmonic (Quantum) Neural Networks
- arxiv url: http://arxiv.org/abs/2212.07462v2
- Date: Sun, 13 Aug 2023 08:58:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-15 22:47:21.478284
- Title: Harmonic (Quantum) Neural Networks
- Title（参考訳）: 高調波(量子)ニューラルネットワーク
- Authors: Atiyo Ghosh, Antonio A. Gentile, Mario Dagrada, Chul Lee, Seong-Hyok
Kim, Hyukgeun Cha, Yunjun Choi, Brad Kim, Jeong-Il Kye, Vincent E. Elfving
- Abstract要約: 調和函数は自然界において豊富であり、マクスウェル方程式、ナヴィエ・ストークス方程式、熱、波動方程式の極限に現れる。
ユビキタスさと妥当性にもかかわらず、機械学習の文脈で高調波関数に対する帰納バイアスを組み込む試みは、ほとんどない。
ニューラルネットワークにおける調和関数の効率的な表現方法を示し、その結果を量子ニューラルネットワークに拡張する。
- 参考スコア（独自算出の注目度）: 10.31053131199922
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Harmonic functions are abundant in nature, appearing in limiting cases of
Maxwell's, Navier-Stokes equations, the heat and the wave equation.
Consequently, there are many applications of harmonic functions from industrial
process optimisation to robotic path planning and the calculation of first exit
times of random walks. Despite their ubiquity and relevance, there have been
few attempts to incorporate inductive biases towards harmonic functions in
machine learning contexts. In this work, we demonstrate effective means of
representing harmonic functions in neural networks and extend such results also
to quantum neural networks to demonstrate the generality of our approach. We
benchmark our approaches against (quantum) physics-informed neural networks,
where we show favourable performance.
- Abstract（参考訳）: 調和函数は自然界において豊富であり、マクスウェル方程式、ナヴィエ・ストークス方程式、熱、波動方程式の極限に現れる。
その結果、産業プロセス最適化からロボット経路計画、ランダムウォークの最初の終了時間の計算に至るまで、調和関数の多くの応用がある。
ユビキタスさと妥当性にもかかわらず、機械学習の文脈における調和関数に対する帰納バイアスを組み込む試みは少ない。
本研究では,ニューラルネットワークにおける高調波関数を表現できる効果的な手法を示し,その効果を量子ニューラルネットワークにも拡張し,本手法の汎用性を示す。
我々は、(量子)物理インフォームドニューラルネットワークに対する我々のアプローチをベンチマークし、好ましい性能を示す。
関連論文リスト
- Neural Quantum States in Variational Monte Carlo Method: A Brief Summary [0.0]
スピン系に対するニューラル量子状態に基づく変分モンテカルロ法について概説する。
ニューラルネットワークは、比較的小さな計算資源を持つ比較的複雑な波動関数を表現できる。
量子状態トモグラフィでは、神経量子状態の表現法はすでに大きな成果を上げている。
論文 参考訳（メタデータ） (2024-06-03T05:55:55Z) - Quantum correlation functions through tensor network path integral [0.0]
テンソルネットワークは、オープン量子系の平衡相関関数を計算するために利用される。
溶媒が量子系に与える影響は、影響関数によって取り込まれている。
この手法の設計と実装は、速度理論、シンメトリゼーションされたスピン相関関数、動的感受性計算、量子熱力学からの図解とともに議論される。
論文 参考訳（メタデータ） (2023-08-21T07:46:51Z) - Optimal quantum control via genetic algorithms for quantum state
engineering in driven-resonator mediated networks [68.8204255655161]
進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。
我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。
アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
論文 参考訳（メタデータ） (2022-06-29T14:34:00Z) - Entangling Quantum Generative Adversarial Networks [53.25397072813582]
量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。
EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
論文 参考訳（メタデータ） (2021-04-30T20:38:41Z) - 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) - Helping restricted Boltzmann machines with quantum-state representation
by restoring symmetry [0.0]
ニューラルネットワークに基づく変動波関数は、量子多体状態を正確に表現するための強力なアンサッツとして認識されている。
最も単純なニューラルネットワークである制限ボルツマンマシン(RBM)を用いて変動波関数を構築し、基本量子スピンハミルトニアンに適用する。
その結果, RBM波動関数は, 基底状態と励起状態の計算の両方において, 最先端の精度を達成できることが示唆された。
論文 参考訳（メタデータ） (2020-09-30T16:25:28Z) - Variational Monte Carlo calculations of $\mathbf{A\leq 4}$ nuclei with
an artificial neural-network correlator ansatz [62.997667081978825]
光核の基底状態波動関数をモデル化するためのニューラルネットワーク量子状態アンサッツを導入する。
我々は、Aleq 4$核の結合エネルギーと点核密度を、上位のピオンレス実効場理論から生じるものとして計算する。
論文 参考訳（メタデータ） (2020-07-28T14:52:28Z) - UNIPoint: Universally Approximating Point Processes Intensities [125.08205865536577]
学習可能な関数のクラスが任意の有効な強度関数を普遍的に近似できることを示す。
ニューラルポイントプロセスモデルであるUNIPointを実装し,各イベントの基底関数の和をパラメータ化するために,リカレントニューラルネットワークを用いた。
論文 参考訳（メタデータ） (2020-07-28T09:31:56Z) - Implicit Neural Representations with Periodic Activation Functions [109.2353097792111]
ニューラルネットワークによってパラメータ化される暗黙的に定義された、連続的な、微分可能な信号表現は、強力なパラダイムとして現れている。
暗黙的なニューラル表現に周期的アクティベーション関数を活用することを提案し、これらのネットワークは正弦波表現ネットワークまたはサイレンと呼ばれ、複雑な自然信号とその誘導体を表現するのに理想的であることを示す。
我々は、シリンズがどのようにして、特定のアイコン方程式、ポアソン方程式、ヘルムホルツ方程式や波動方程式などの挑戦的な境界値問題を解くことができるかを示す。
論文 参考訳（メタデータ） (2020-06-17T05:13:33Z) - Recurrent Neural Network Wave Functions [0.36748639131154304]
人工知能革命から生まれた中核技術は、リカレントニューラルネットワーク(RNN)である。
凝縮物質物理学者に対するいくつかの量子スピンモデルに対する基底状態エネルギー,相関関数,エンタングルメントエントロピーを計算し,RNN波動関数の有効性を示す。
論文 参考訳（メタデータ） (2020-02-07T19:00:03Z)
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。