論文の概要: QuantumDynamics.jl: A modular approach to simulations of dynamics of
open quantum systems
- arxiv url: http://arxiv.org/abs/2303.11781v1
- Date: Tue, 21 Mar 2023 11:57:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-22 15:15:25.089962
- Title: QuantumDynamics.jl: A modular approach to simulations of dynamics of
open quantum systems
- Title（参考訳）: quantumdynamics.jl:オープン量子システムのダイナミクスのシミュレーションに対するモジュラーアプローチ
- Authors: Amartya Bose
- Abstract要約: 我々は、新しいオープンソースのソフトウェアフレームワークQuantumDynamics.jlを紹介します。
量子系の力学をシミュレートするための様々な摂動的および非摂動的手法の実装を提供する。
- 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: Simulation of non-adiabatic dynamics of a quantum system coupled to
dissipative environments poses significant challenges. New sophisticated
methods are regularly being developed with an eye towards moving to larger
systems and more complicated description of solvents. Many of these methods,
however, are quite difficult to implement and debug. Furthermore, trying to
make the individual algorithms work together through a modular application
programming interface (API) can be quite difficult. We present a new,
open-source software framework, QuantumDynamics.jl, designed to address these
challenges. It provides implementations of a variety of perturbative and
non-perturbative methods for simulating the dynamics of these sytems. Most
prominently, QuantumDynamics.jl supports hierarchical equations of motion and
the family of methods based on path integrals. Effort has been made to ensure
maximum compatibility of interface between the various methods. Additionally,
QuantumDynamics.jl, being built on a high-level programming language, brings a
host of modern features to explorations of systems such as usage of Jupyter
notebooks and high level plotting for exploration of systems, possibility of
leveraging high-performance machine learning libraries for further development.
Thus, while the built-in methods can be used as end-points in themselves, the
package provides an integrated platform for experimentation, exploration, and
method development.
- Abstract（参考訳）: 散逸環境に結合した量子系の非断熱力学のシミュレーションは重要な課題である。
新しい洗練された手法は、より大きな系への移動と溶媒のより複雑な記述に目を向けて定期的に開発されている。
しかし、これらのメソッドの多くは、実装とデバッグが非常に難しい。
さらに、個別のアルゴリズムをモジュール化されたアプリケーションプログラミングインターフェース(API)で連携させるのは非常に困難です。
我々はこれらの課題に対処するために設計された新しいオープンソースのソフトウェアフレームワークQuantumDynamics.jlを提案する。
様々な摂動的および非摂動的手法の実装を提供し、これらのシンテムのダイナミクスをシミュレートする。
最も顕著に、quantumdynamics.jlは階層的運動方程式とパス積分に基づく方法群をサポートする。
様々なメソッド間のインタフェースの互換性を最大化する努力がなされている。
さらに、ハイレベルなプログラミング言語上に構築されたquantumdynamics.jlは、jupyterノートブックの使用やシステム探索のためのハイレベルプロット、高パフォーマンス機械学習ライブラリをさらなる開発に活用する可能性など、システムの探索に多くのモダンな機能をもたらす。
したがって、組み込みメソッドはそれ自体でエンドポイントとして使用できるが、このパッケージは実験、探索、およびメソッド開発のための統合プラットフォームを提供する。
関連論文リスト
- Architectural Patterns for Designing Quantum Artificial Intelligence Systems [25.42535682546052]
人工知能システムを強化するために量子コンピューティング技術を利用することで、トレーニングと推論時間を改善し、ノイズや敵攻撃に対する堅牢性を高め、精度を損なうことなくパラメータの数を減らすことが期待されている。
しかし、概念実証やシミュレーションを超えてこれらのシステムの実用的な応用を開発することは、量子ハードウェアの限界とそのようなシステムのソフトウェア工学における未発達の知識基盤によって大きな課題に直面している。
論文 参考訳（メタデータ） (2024-11-14T05:09:07Z) - Projective Quantum Eigensolver via Adiabatically Decoupled Subsystem Evolution: a Resource Efficient Approach to Molecular Energetics in Noisy Quantum Computers [0.0]
我々は,ノイズ中間スケール量子(NISQ)ハードウェアを用いて,分子系の基底状態エネルギーを正確に計算することを目的とした射影形式を開発した。
本研究では,将来の耐故障システムにおいて,必要な精度を同時に確保しながら,ノイズ下での優れた性能を示す。
論文 参考訳（メタデータ） (2024-03-13T13:27:40Z) - Non-Markovian Quantum Control via Model Maximum Likelihood Estimation
and Reinforcement Learning [0.0]
環境の非マルコフ的性質を低次元有効貯留層に組み込む新しい手法を提案する。
従来のトモグラフィ法よりも効率的な量子力学の学習に機械学習技術を用いる。
このアプローチはモデルバイアスの問題を緩和するだけでなく、量子力学のより正確な表現を提供する。
論文 参考訳（メタデータ） (2024-02-07T18:37:17Z) - Machine Learning Assisted Cognitive Construction of a Shallow Depth
Dynamic Ansatz for Noisy Quantum Hardware [0.0]
本研究では, 再生機械学習手法と多体理論を用いて, 高度に表現的かつ浅いアンザッツを構築するための新しいプロトコルを開発した。
提案手法は最先端のニューラルエラー軽減技術と高い互換性を有する。
論文 参考訳（メタデータ） (2023-10-12T16:27:53Z) - Learning minimal representations of stochastic processes with
variational autoencoders [52.99137594502433]
プロセスを記述するのに必要なパラメータの最小セットを決定するために、教師なしの機械学習アプローチを導入する。
我々の手法はプロセスを記述する未知のパラメータの自律的な発見を可能にする。
論文 参考訳（メタデータ） (2023-07-21T14:25:06Z) - FluidLab: A Differentiable Environment for Benchmarking Complex Fluid
Manipulation [80.63838153351804]
複雑な流体力学を含む多種多様な操作タスクを備えたシミュレーション環境であるFluidLabを紹介する。
私たちのプラットフォームの中心には、GPU加速シミュレーションと勾配計算を提供する、完全に微分可能な物理シミュレータがあります。
微分可能物理学と組み合わせたいくつかのドメイン固有最適化スキームを提案する。
論文 参考訳（メタデータ） (2023-03-04T07:24:22Z) - Guaranteed Conservation of Momentum for Learning Particle-based Fluid
Dynamics [96.9177297872723]
本稿では,学習物理シミュレーションにおける線形運動量を保証する新しい手法を提案する。
我々は、強い制約で運動量の保存を強制し、反対称的な連続的な畳み込み層を通して実現する。
提案手法により,学習シミュレータの物理的精度を大幅に向上させることができる。
論文 参考訳（メタデータ） (2022-10-12T09:12:59Z) - Engineering dynamically decoupled quantum simulations with trapped ions [0.0]
外部ドライブは、ノイズ源を平均化することにより、量子多体システムのコヒーレンスを向上させることができる。
また、静的制限でアクセスできないモデルを実現するためにも使用できる。
我々は、外界から量子多体系を分離するためのパルス列に必要な要件を開発する。
論文 参考訳（メタデータ） (2022-09-12T18:01:05Z) - Constructing Neural Network-Based Models for Simulating Dynamical
Systems [59.0861954179401]
データ駆動モデリングは、真のシステムの観測からシステムの力学の近似を学ぼうとする代替パラダイムである。
本稿では,ニューラルネットワークを用いた動的システムのモデル構築方法について検討する。
基礎的な概要に加えて、関連する文献を概説し、このモデリングパラダイムが克服すべき数値シミュレーションから最も重要な課題を概説する。
論文 参考訳（メタデータ） (2021-11-02T10:51:42Z) - Hybridized Methods for Quantum Simulation in the Interaction Picture [69.02115180674885]
本研究では,異なるシミュレーション手法をハイブリダイズし,インタラクション・ピクチャー・シミュレーションの性能を向上させるフレームワークを提案する。
これらのハイブリッド化手法の物理的応用は、電気遮断において$log2 Lambda$としてゲート複雑性のスケーリングをもたらす。
力学的な制約を受けるハミルトニアンシミュレーションの一般的な問題に対して、これらの手法は、エネルギーコストを課すために使われるペナルティパラメータ$lambda$とは無関係に、クエリの複雑さをもたらす。
論文 参考訳（メタデータ） (2021-09-07T20:01:22Z) - PlasticineLab: A Soft-Body Manipulation Benchmark with Differentiable
Physics [89.81550748680245]
PasticineLabと呼ばれる新しい微分可能な物理ベンチマークを導入する。
各タスクにおいて、エージェントはマニピュレータを使用して、プラスチックを所望の構成に変形させる。
本稿では,既存の強化学習(RL)手法と勾配に基づく手法について評価する。
論文 参考訳（メタデータ） (2021-04-07T17:59:23Z)
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。