論文の概要: The Quantum and Stochastic Toolbox: xSPDE4.2
- arxiv url: http://arxiv.org/abs/2303.04448v3
- Date: Thu, 26 Dec 2024 06:06:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-30 17:21:11.775026
- Title: The Quantum and Stochastic Toolbox: xSPDE4.2
- Title(参考訳): 量子・確率ツールボックス:xSPDE4.2
- Authors: Peter D. Drummond, Run Yan Teh, Manushan Thenabadu, Channa Hatharasinghe, Chris McGuigan, Alex Dellios, Ned Goodman, Margaret D. Reid,
- Abstract要約: xSPDEは、生物学、化学、工学、医学、物理学、量子技術に応用された偏微分方程式と常微分方程式を解く。
時間ステップやサンプリングエラー推定を含む統計平均を計算する。
ツールボックスにはグラフィカルな出力と$chi2$統計、重み付け、投影、フォワードバックの方程式がある。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: This is the fourth major release of the xSPDE toolbox, which solves stochastic partial and ordinary differential equations, with applications in biology, chemistry, engineering, medicine, physics and quantum technologies. It computes statistical averages, including time-step and sampling error estimation. xSPDE can provide higher order convergence, Fourier spectra and probability densities. The toolbox has graphical output and $\chi^{2}$ statistics, as well as weighted, projected, or forward-backward equations. It can generate input-output quantum spectra. The equations can have independent periodic, Dirichlet, and Neumann or Robin boundary conditions in any dimension, for any vector component, and at either end of any interval. xSPDE has functions that can numerically solve both ordinary and partial differential stochastic equations of any type, obtaining correlations, probabilities and averages. The toolbox has a core treating stochastic differential equations, with averages, probability distributions and full error estimates. There are stochastic extensions treating applications to partial differential equations, projected equations, quantum stochastic equations, master equations and quantum phase-space simulations including Gaussian boson sampling experiments.
- Abstract(参考訳): これはxSPDEツールボックスの4番目のメジャーリリースであり、これは確率的偏微分方程式と常微分方程式を解くもので、生物学、化学、工学、医学、物理学、量子技術に応用されている。
時間ステップやサンプリングエラー推定を含む統計平均を計算する。
xSPDE は高次収束、フーリエスペクトル、確率密度を提供する。
ツールボックスにはグラフィカルな出力と$\chi^{2}$統計、重み付け、投影、フォワードバックワードの方程式がある。
入力出力量子スペクトルを生成することができる。
方程式は任意の次元において任意のベクトル成分に対して独立周期、ディリクレ、ノイマンまたはロビン境界条件を持ち、任意の区間のいずれの端においても成り立つ。
xSPDE は任意の型の常微分確率方程式と偏微分確率方程式の両方を数値的に解き、相関、確率、平均を得る関数を持つ。
このツールボックスは、平均、確率分布、完全誤差推定を含む確率微分方程式を取り扱うコアを持つ。
偏微分方程式、射影方程式、量子確率方程式、マスター方程式、ガウスボソンサンプリング実験を含む量子位相空間シミュレーションへの応用を扱う確率拡張が存在する。
関連論文リスト
- Closed-form solutions for the Salpeter equation [41.94295877935867]
スピンを持たない相対論的量子粒子を記述した1+1$次元サルペター・ハミルトンのプロパゲータについて検討する。
複素平面におけるハミルトニアンの解析的拡張により、等価な問題、すなわちB"オーマー方程式を定式化することができる。
この B "aumera" は、コーシーとガウス拡散を補間する相対論的拡散過程のグリーン関数に対応する。
論文 参考訳(メタデータ) (2024-06-26T15:52:39Z) - Fourier Neural Differential Equations for learning Quantum Field
Theories [57.11316818360655]
量子場理論は相互作用ハミルトニアンによって定義され、散乱行列によって実験データにリンクされる。
本稿では,NDEモデルを用いて理論,スカラー・ユーカワ理論,スカラー量子電磁力学を学習する。
理論の相互作用ハミルトニアンは、ネットワークパラメータから抽出することができる。
論文 参考訳(メタデータ) (2023-11-28T22:11:15Z) - Solving High Frequency and Multi-Scale PDEs with Gaussian Processes [18.190228010565367]
PINNは、しばしば高周波およびマルチスケールのPDEを解決するのに苦労する。
我々はこの問題を解決するためにガウス過程(GP)フレームワークを利用する。
我々はKroneckerの製品特性と多線型代数を用いて計算効率とスケーラビリティを向上する。
論文 参考訳(メタデータ) (2023-11-08T05:26:58Z) - Correspondence between open bosonic systems and stochastic differential
equations [77.34726150561087]
ボゾン系が環境との相互作用を含むように一般化されたとき、有限$n$で正確な対応も可能であることを示す。
離散非線形シュル「オーディンガー方程式」の形をした特定の系をより詳細に分析する。
論文 参考訳(メタデータ) (2023-02-03T19:17:37Z) - Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。
サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。
格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文 参考訳(メタデータ) (2022-12-12T15:06:32Z) - AutoIP: A United Framework to Integrate Physics into Gaussian Processes [15.108333340471034]
あらゆる微分方程式をガウス過程に統合できる枠組みを提案する。
本手法は,シミュレーションと実世界の応用の両方において,バニラGPの改善を示す。
論文 参考訳(メタデータ) (2022-02-24T19:02:14Z) - Quantum Model-Discovery [19.90246111091863]
微分方程式を解くための量子アルゴリズムは、フォールトトレラントな量子コンピューティングシステムにおいて証明可能な優位性を示している。
我々は、短期量子コンピュータの適用性を、より一般的な科学的な機械学習タスクに拡張する。
本結果は,古典的および量子機械学習アプローチのインターフェースにおける量子モデル探索(QMoD)への有望な経路を示す。
論文 参考訳(メタデータ) (2021-11-11T18:45:52Z) - Quantum Quantile Mechanics: Solving Stochastic Differential Equations
for Generating Time-Series [19.830330492689978]
微分方程式(SDE)の解からサンプリングする量子アルゴリズムを提案する。
我々は、基礎となる確率分布の量子関数を表現し、サンプルを期待値として抽出する。
本手法は,Ornstein-Uhlenbeck過程をシミュレーションし,初期点と異なるタイミングでサンプリングすることによって検証する。
論文 参考訳(メタデータ) (2021-08-06T16:14:24Z) - Learning with Density Matrices and Random Features [44.98964870180375]
密度行列は、量子系の統計状態を記述する。
量子系の量子的不確実性と古典的不確実性の両方を表現することは強力な形式主義である。
本稿では,機械学習モデルのビルディングブロックとして密度行列をどのように利用できるかを検討する。
論文 参考訳(メタデータ) (2021-02-08T17:54:59Z) - The Connection between Discrete- and Continuous-Time Descriptions of
Gaussian Continuous Processes [60.35125735474386]
我々は、一貫した推定子をもたらす離散化が粗粒化下での不変性を持つことを示す。
この結果は、導関数再構成のための微分スキームと局所時間推論アプローチの組み合わせが、2次または高次微分方程式の時系列解析に役立たない理由を説明する。
論文 参考訳(メタデータ) (2021-01-16T17:11:02Z) - Quantum-enhanced analysis of discrete stochastic processes [0.8057006406834467]
離散過程(DSP)の特性関数を計算する量子アルゴリズムを提案する。
時間ステップの数と線形にしか成長しない量子回路要素の数を用いて、確率分布を完全に定義する。
このアルゴリズムはすべての軌道を考慮に入れ、重要なサンプリングの必要性を排除している。
論文 参考訳(メタデータ) (2020-08-14T16:07:35Z)
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。