論文の概要: Machine learning one-dimensional spinless trapped fermionic systems with neural-network quantum states

• arxiv url: http://arxiv.org/abs/2304.04725v2
• Date: Thu, 8 Feb 2024 17:53:59 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-10 03:15:43.981159
• Title: Machine learning one-dimensional spinless trapped fermionic systems 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持つ1次元スピンレス捕捉フェルミオン系
• Authors: J. W. T. Keeble, M. Drissi, A. Rojo-Franc\`as, B. Juli\'a-D\'iaz, A. Rios
• Abstract要約: ガウスポテンシャルを介して相互作用する完全に偏極された1次元フェルミオン系の基底状態特性を計算する。 我々は、波動関数のアンサッツとして、反対称人工ニューラルネットワーク(英語版)またはニューラル量子状態を用いる。 相互作用の兆候によって、非常に異なる基底状態が見つかる。
• 参考スコア（独自算出の注目度）: 1.6606527887256322
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We compute the ground-state properties of fully polarized, trapped, one-dimensional fermionic systems interacting through a gaussian potential. We use an antisymmetric artificial neural network, or neural quantum state, as an ansatz for the wavefunction and use machine learning techniques to variationally minimize the energy of systems from 2 to 6 particles. We provide extensive benchmarks with other many-body methods, including exact diagonalisation and the Hartree-Fock approximation. The neural quantum state provides the best energies across a wide range of interaction strengths. We find very different ground states depending on the sign of the interaction. In the non-perturbative repulsive regime, the system asymptotically reaches crystalline order. In contrast, the strongly attractive regime shows signs of bosonization. The neural quantum state continuously learns these different phases with an almost constant number of parameters and a very modest increase in computational time with the number of particles.
• Abstract（参考訳）: ガウスポテンシャルを介して相互作用する完全に偏極された1次元フェルミオン系の基底状態特性を計算する。 波動関数のアンサツとして反対称型ニューラルネットワーク(ニューラル量子状態)を用い,2粒子から6粒子までの系のエネルギーを変動的に最小化するために機械学習技術を用いる。 我々は、正確な対角化やHartree-Fock近似を含む、他の多体手法による広範なベンチマークを提供する。 神経量子状態は、幅広い相互作用強度で最高のエネルギーを提供する。 相互作用の兆候によって、非常に異なる基底状態が見つかる。 非摂動的反発状態では、システムは漸近的に結晶秩序に達する。 対照的に、強い魅力的な構造はボソニゼーションの兆候を示している。 神経量子状態は、ほぼ一定数のパラメータでこれらの異なる位相を連続的に学習し、粒子の数とともに計算時間が非常に緩やかに増加する。

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$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Neural Pfaffians: Solving Many Many-Electron Schrödinger Equations [58.130170155147205]
  神経波関数は、計算コストが高いにもかかわらず、多電子系の基底状態の近似において前例のない精度を達成した。 近年の研究では、個々の問題を個別に解くのではなく、様々な構造や化合物にまたがる一般化波動関数を学習することでコストを下げることが提案されている。 この研究は、分子間の一般化に適した過度にパラメータ化され、完全に学習可能なニューラルウェーブ関数を定義することで、この問題に取り組む。
  論文  参考訳（メタデータ） (2024-05-23T16:30:51Z)
• Accurate neural quantum states for interacting lattice bosons [0.0]
  神経量子状態は相互作用強度のすべての値にわたって2次元ボース・ハバード・ハミルトン状態の基底状態を忠実に表現できることを示す。 これにより、超モット量子相転移における絡み合いエントロピーのスケーリングを解明することができる。
  論文  参考訳（メタデータ） (2024-04-11T16:04:33Z)
• Neural network approach to quasiparticle dispersions in doped antiferromagnets [0.0]
  異なる1次元および2次元格子上でのボソニックおよびフェルミオンの$t-J$モデルを表現する神経量子状態の能力について検討する。 本稿では,ニューラルネットワークの状態表現から分散関係を計算する手法を提案する。
  論文  参考訳（メタデータ） (2023-10-12T17:59:33Z)
• Accurate Computation of Quantum Excited States with Neural Networks [4.99320937849508]
  量子系の最低励起状態を推定するための変分モンテカルロアルゴリズムを提案する。 本手法はベンゼンスケール分子の正確な垂直励起エネルギーを得るための最初の深層学習手法である。 我々はこの技術が原子、核、凝縮物質物理学への応用に大きな関心を寄せることを期待している。
  論文  参考訳（メタデータ） (2023-08-31T16:27:08Z)
• Message-Passing Neural Quantum States for the Homogeneous Electron Gas [41.94295877935867]
  連続空間における強相互作用フェルミオンをシミュレートするメッセージパッシング・ニューラルネットワークに基づく波動関数Ansatzを導入する。 等質電子ガスの基底状態を3次元でシミュレーションすることにより,その精度を実証する。
  論文  参考訳（メタデータ） (2023-05-12T04:12:04Z)
• 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)
• An Empirical Study of Quantum Dynamics as a Ground State Problem with Neural Quantum States [0.0]
  ニューラルネットワークは、ニューラルネットワークによってパラメータ化される変動波動関数である。 多体物理学の文脈では、変分モンテカルロや変分波動関数としてのニューラル量子状態のような手法が近似に成功している。 しかしながら、ニューラルネットワークアーキテクチャを提案することの難しさは、その表現性とトレーニング容易性を探究することとともに、ニューラルネットワークをニューラルネットワーク状態として利用することにまで及んでいる。
  論文  参考訳（メタデータ） (2022-06-18T16:42:39Z)
• Formation of robust bound states of interacting microwave photons [148.37607455646454]
  相互作用系の目印の1つは、多粒子境界状態の形成である。 我々は,スピン-1/2 XXZモデルの周期量子回路を実装した高忠実度パラメータ化可能なfSimゲートを開発した。 マイクロ波光子を隣接量子ビット上に配置することにより、これらの励起の伝播を研究し、最大5個の光子の結合特性を観察する。
  論文  参考訳（メタデータ） (2022-06-10T17:52:29Z)
• Neural-Network Quantum States for Periodic Systems in Continuous Space [66.03977113919439]
  我々は、周期性の存在下での強い相互作用を持つシステムのシミュレーションのために、神経量子状態の族を紹介する。 一次元系では、基底状態エネルギーと粒子の放射分布関数を非常に正確に推定する。 二つの次元において基底状態エネルギーの優れた推定値を得るが、これはより伝統的な手法から得られる結果に匹敵する。
  論文  参考訳（メタデータ） (2021-12-22T15:27:30Z)
• 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)

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。