論文の概要: A Size-Consistent Wave-function Ansatz Built from Statistical Analysis
of Orbital Occupations
- arxiv url: http://arxiv.org/abs/2304.10484v1
- Date: Thu, 20 Apr 2023 17:30:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-21 12:06:46.777457
- Title: A Size-Consistent Wave-function Ansatz Built from Statistical Analysis
of Orbital Occupations
- Title（参考訳）: 軌道投入の統計的解析から構築したサイズ一貫性波動関数アンサッツ
- Authors: Valerii Chuiko, Paul W. Ayers
- Abstract要約: 本稿では,波動関数のパラメータ化に対する新しいアプローチを提案する。
このアプローチの汎用性は、非相関性、弱相関性、強相関性システムに適用することによって検証される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Direct approaches to the quantum many-body problem suffer from the so-called
"curse of dimensionality": the number of parameters needed to fully specify the
exact wavefunction grows exponentially with increasing system size. This
motivates the develop of accurate, but approximate, ways to parametrize the
wavefunction, including methods like couple cluster theory and correlator
product states (CPS). Recently, there has been interest in approaches based on
machine learning both direct applications of neural network architecture and
the combinations of conventional wavefunction parametrizations with various
Boltzmann machines. While all these methods can be exact in principle, they are
usually applied with only a polynomial number of parameters, limiting their
applicability. This research's objective is to present a fresh approach to
wavefunction parametrization that is size-consistent, rapidly convergent, and
robust numerically. Specifically, we propose a hierarchical ansatz that
converges rapidly (with respect to the number of least-squares optimization).
The general utility of this approach is verified by applying it to
uncorrelated, weakly-correlated, and strongly-correlated systems, including
small molecules and the one-dimensional Hubbard model.
- Abstract（参考訳）: 量子多体問題への直接的アプローチは、いわゆる「次元の曲線」に苦しむ: 正確な波動関数を完全に特定するのに必要とされるパラメータの数は、システムのサイズが大きくなるにつれて指数関数的に増加する。
これは、カップルクラスタ理論や相関積状態(CPS)のような方法を含む波動関数をパラメータ化する方法の正確な発展を動機付けている。
近年、ニューラルネットワークアーキテクチャの直接的な応用と、従来の波動関数パラメトリゼーションとボルツマンマシンの組合せの両方に基づく機械学習アプローチへの関心が高まっている。
これらの手法はすべて原理的には完全であるが、通常は多項式数のパラメータで適用され、適用性が制限される。
この研究の目的は、サイズ一貫性があり、急速に収束し、数値的にロバストな波動関数パラメトリゼーションへの新しいアプローチを示すことである。
具体的には、(最小二乗最適化の数に関して)急速に収束する階層型ansatzを提案する。
このアプローチの汎用性は、小さな分子や1次元ハバードモデルを含む無相関、弱相関、強相関系に適用することで検証される。
関連論文リスト
- Compact Multi-Threshold Quantum Information Driven Ansatz For Strongly Interactive Lattice Spin Models [0.0]
近似量子相互情報(QMI)に基づくアンザッツ建築の体系的手順を提案する。
提案手法は,QMI値に基づいて各層の量子ビット対が選択される層状アンサッツを生成し,より効率的な状態生成と最適化ルーチンを実現する。
その結果,Multi-QIDA法は高い精度を維持しながら計算複雑性を低減し,格子スピンモデルにおける量子シミュレーションに有望なツールであることがわかった。
論文 参考訳（メタデータ） (2024-08-05T17:07:08Z) - Order Parameter Discovery for Quantum Many-Body Systems [0.4711628883579317]
本稿では, 位相図作成のための新しい手法について紹介する。
この方法では、量子位相をマッピングし、最適化問題を定式化し、順序パラメータに対応する可観測性を発見する。
本稿では,Axial Next Nearest Neighbour Interaction(ANNNI)モデル,クラスタ状態モデル,およびRydberg原子の連鎖など,確立されたモデルに適用することで,アプローチの有効性を実証する。
論文 参考訳（メタデータ） (2024-08-02T17:25:04Z) - 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) - An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳（メタデータ） (2023-06-10T08:25:16Z) - FaDIn: Fast Discretized Inference for Hawkes Processes with General
Parametric Kernels [82.53569355337586]
この研究は、有限なサポートを持つ一般パラメトリックカーネルを用いた時間点プロセス推論の効率的な解を提供する。
脳磁図(MEG)により記録された脳信号からの刺激誘発パターンの発生をモデル化し,その有効性を評価する。
その結果,提案手法により,最先端技術よりもパターン遅延の推定精度が向上することが示唆された。
論文 参考訳（メタデータ） (2022-10-10T12:35:02Z) - Accurate methods for the analysis of strong-drive effects in parametric
gates [94.70553167084388]
正確な数値と摂動解析手法を用いて効率的にゲートパラメータを抽出する方法を示す。
我々は,$i$SWAP, Control-Z, CNOT など,異なる種類のゲートに対する最適操作条件を同定する。
論文 参考訳（メタデータ） (2021-07-06T02:02:54Z) - Circuit quantum electrodynamics (cQED) with modular quasi-lumped models [0.23624125155742057]
方法は、量子デバイスをコンパクトなラッピングまたは準分散セルに分割する。
本手法を大規模かつ最先端の超伝導量子プロセッサで実験的に検証する。
論文 参考訳（メタデータ） (2021-03-18T16:03:37Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:23:13Z) - Generalized Matrix Factorization: efficient algorithms for fitting
generalized linear latent variable models to large data arrays [62.997667081978825]
一般化線形潜在変数モデル(GLLVM)は、そのような因子モデルを非ガウス応答に一般化する。
GLLVMのモデルパラメータを推定する現在のアルゴリズムは、集約的な計算を必要とし、大規模なデータセットにスケールしない。
本稿では,GLLVMを高次元データセットに適用するための新しい手法を提案する。
論文 参考訳（メタデータ） (2020-10-06T04:28:19Z) - 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。