論文の概要: Lee-Yang theory of quantum phase transitions with neural network quantum
states
- arxiv url: http://arxiv.org/abs/2301.09923v1
- Date: Tue, 24 Jan 2023 11:10:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-25 13:52:28.433598
- Title: Lee-Yang theory of quantum phase transitions with neural network quantum
states
- Title(参考訳): ニューラルネットワーク量子状態をもつ量子相転移のlee-yang理論
- Authors: Pascal M. Vecsei, Christian Flindt, and Jose L. Lado
- Abstract要約: ニューラルネットワーク量子状態は、強相関スピン格子の臨界点を予測するために、量子相転移のLee-Yang理論と組み合わせることができることを示す。
この結果は、より複雑な量子多体系の位相図を決定するための出発点となる。
- 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: Predicting the phase diagram of interacting quantum many-body systems is a
central problem in condensed matter physics and related fields. A variety of
quantum many-body systems, ranging from unconventional superconductors to spin
liquids, exhibit complex competing phases whose theoretical description has
been the focus of intense efforts. Here, we show that neural network quantum
states can be combined with a Lee-Yang theory of quantum phase transitions to
predict the critical points of strongly-correlated spin lattices. Specifically,
we implement our approach for quantum phase transitions in the transverse-field
Ising model on different lattice geometries in one, two, and three dimensions.
We show that the Lee-Yang theory combined with neural network quantum states
yields predictions of the critical field, which are consistent with large-scale
quantum many-body methods. As such, our results provide a starting point for
determining the phase diagram of more complex quantum many-body systems,
including frustrated Heisenberg and Hubbard models.
- Abstract(参考訳): 相互作用する量子多体系の位相図の予測は、凝縮体物理学と関連する分野における中心的な問題である。
従来の超伝導体からスピン液体まで、様々な量子多体系は、理論的な記述が激しい努力の焦点となっている複雑な競合相を示す。
ここでは、強相関スピン格子の臨界点を予測するために、ニューラルネットワーク量子状態と量子相転移のLee-Yang理論が結合可能であることを示す。
具体的には,1次元,2次元,3次元の異なる格子幾何学上の横場イジングモデルにおける量子相転移に対するアプローチを実装した。
リー・ヤン理論とニューラルネットワーク量子状態は、大規模量子多体法と一致する臨界場の予測をもたらすことを示した。
このような結果から,HeisenbergモデルやHubbardモデルなど,より複雑な量子多体系の位相図を決定するための出発点となる。
関連論文リスト
- The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for
Deep Quantum Machine Learning [52.77024349608834]
古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。
鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。
我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
論文 参考訳(メタデータ) (2022-12-22T16:06:24Z) - Quantum repeaters: From quantum networks to the quantum internet [2.053047357590719]
量子リピータの概念的フレームワークとアーキテクチャについて概観する。
我々は、ポイント・ツー・ポイントの量子通信によって設定される通信速度の限界を克服するための様々な短期的提案について議論する。
論文 参考訳(メタデータ) (2022-12-21T07:21:50Z) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳(メタデータ) (2022-11-09T21:43:16Z) - Quantum Neural Architecture Search with Quantum Circuits Metric and
Bayesian Optimization [2.20200533591633]
各量子状態に対するゲートの作用を特徴付ける新しい量子ゲート距離を提案する。
提案手法は、経験的量子機械学習の3つの問題において、ベンチマークを著しく上回っている。
論文 参考訳(メタデータ) (2022-06-28T16:23:24Z) - Theory of Quantum Generative Learning Models with Maximum Mean
Discrepancy [67.02951777522547]
量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。
まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。
次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
論文 参考訳(メタデータ) (2022-05-10T08:05:59Z) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳(メタデータ) (2021-05-30T12:19:27Z) - 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) - Quantum Entropic Causal Inference [30.939150842529052]
エントロピー原理を利用して量子情報科学と因果推論を融合するための新しい理論的枠組みを提唱する。
提案したフレームワークを量子ノイズリンク上のメッセージ送信者を特定する実験的に関連するシナリオに適用する。
論文 参考訳(メタデータ) (2021-02-23T15:51:34Z) - Experimental Quantum Generative Adversarial Networks for Image
Generation [93.06926114985761]
超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。
我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
論文 参考訳(メタデータ) (2020-10-13T06:57:17Z) - Probing Criticality in Quantum Spin Chains with Neural Networks [0.0]
隠れた層を持たないニューラルネットワークでさえ、磁気秩序と乱れ相の区別を効果的に訓練できることが示される。
我々の結果は、相互作用する量子多体系の幅広いクラスに拡張され、多体量子物理学へのニューラルネットワークの広範な適用性を示す。
論文 参考訳(メタデータ) (2020-05-05T12:34:50Z) - Detecting dynamical quantum phase transition via out-of-time-order
correlations in a solid-state quantum simulator [12.059058714600607]
逆場イジングモデルにおける非平衡相転移を検出するために, 時間外相関器を使用できることを示す。
このプロトコルのさらなる応用は、多くの身体局在化や、量子系と重力系のホログラフィック双対性のテストなど、エキゾチックな現象以外の研究を可能にする可能性がある。
論文 参考訳(メタデータ) (2020-01-17T14:28:42Z)
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。