論文の概要: Unified Quantum State Tomography and Hamiltonian Learning Using
Transformer Models: A Language-Translation-Like Approach for Quantum Systems
- arxiv url: http://arxiv.org/abs/2304.12010v1
- Date: Mon, 24 Apr 2023 11:20:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-25 15:13:43.131222
- Title: Unified Quantum State Tomography and Hamiltonian Learning Using
Transformer Models: A Language-Translation-Like Approach for Quantum Systems
- Title（参考訳）: トランスフォーマーモデルを用いた統一量子状態トモグラフィとハミルトン学習--量子システムに対する言語翻訳的アプローチ
- Authors: Zheng An, Jiahui Wu, Muchun Yang, D. L. Zhou, Bei Zeng
- Abstract要約: 本稿では,量子状態トモグラフィとハミルトン学習を効果的に融合させるため,変圧器モデルに注意機構を取り入れた新しいアプローチを提案する。
簡単な2量子ビットの場合から、より複雑な2次元反強磁性ハイゼンベルク構造まで、様々な量子系におけるアプローチの有効性を実証する。
- 参考スコア（独自算出の注目度）: 0.47831562043724657
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Schr\"odinger's equation serves as a fundamental component in characterizing
quantum systems, wherein both quantum state tomography and Hamiltonian learning
are instrumental in comprehending and interpreting quantum systems. While
numerous techniques exist for carrying out state tomography and learning
Hamiltonians individually, no method has been developed to combine these two
aspects. In this study, we introduce a new approach that employs the attention
mechanism in transformer models to effectively merge quantum state tomography
and Hamiltonian learning. By carefully choosing and preparing the training
data, our method integrates both tasks without altering the model's
architecture, allowing the model to effectively learn the intricate
relationships between quantum states and Hamiltonian. We also demonstrate the
effectiveness of our approach across various quantum systems, ranging from
simple 2-qubit cases to more involved 2D antiferromagnetic Heisenberg
structures. The data collection process is streamlined, as it only necessitates
a one-way generation process beginning with state tomography. Furthermore, the
scalability and few-shot learning capabilities of our method could potentially
minimize the resources required for characterizing and optimizing quantum
systems. Our research provides valuable insights into the relationship between
Hamiltonian structure and quantum system behavior, fostering opportunities for
additional studies on quantum systems and the advancement of quantum
computation and associated technologies.
- Abstract（参考訳）: schr\"odinger's equation は量子系を特徴づける基本的な要素であり、量子状態トモグラフィーとハミルトン学習の両方が量子系の理解と解釈に寄与する。
状態トモグラフィーとハミルトニアンを個別に学習する技術は数多く存在するが、これらの2つの側面を組み合わせる方法が開発されていない。
本研究では, 量子状態トモグラフィとハミルトン学習を効果的に融合するために, トランスフォーマーモデルにおける注意機構を用いた新しい手法を提案する。
トレーニングデータの選択と準備を慎重に行うことで,モデルのアーキテクチャを変更することなく,両方のタスクを統合することにより,量子状態とハミルトニアンの複雑な関係を効果的に学習することができる。
また、単純な2量子ビットの場合からより複雑な2次元反強磁性ハイゼンベルク構造まで、様々な量子系におけるアプローチの有効性を示す。
データ収集プロセスは、状態トモグラフィから始まる一方向生成プロセスのみを必要とするため、合理化される。
さらに,本手法のスケーラビリティと少数ショット学習能力は,量子システムの特徴付けと最適化に必要な資源を最小化する可能性がある。
本研究は、ハミルトニアン構造と量子系の挙動との関係に関する貴重な知見を提供し、量子システムと量子計算および関連する技術のさらなる研究の機会を創出する。
関連論文リスト
- Hybrid Quantum-Classical Clustering for Preparing a Prior Distribution of Eigenspectrum [10.950807972899575]
時間非依存ハミルトニアンの固有スペクトルの事前分布と回路について検討する。
提案アルゴリズムはハミルトン変換,パラメータ表現,古典的クラスタリングの3つの戦略ステップで展開する。
このアルゴリズムは1Dハイゼンベルク系とLiH分子系への応用を通して実証される。
論文 参考訳（メタデータ） (2024-06-29T14:21:55Z) - Dual-Capability Machine Learning Models for Quantum Hamiltonian Parameter Estimation and Dynamics Prediction [2.142387003055715]
本研究では,2つの機能を持つ機械学習モデルを提案する。
観測された局所観測値の変化から時間依存のハミルトンパラメータを推定することができる。
これはハミルトンのパラメータに基づいてこれらの可観測物の進化を予測することができる。
論文 参考訳（メタデータ） (2024-05-22T12:21:57Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - Modern applications of machine learning in quantum sciences [51.09906911582811]
本稿では、教師なし、教師なし、強化学習アルゴリズムにおけるディープラーニングとカーネル手法の使用について述べる。
我々は、微分可能プログラミング、生成モデル、機械学習に対する統計的アプローチ、量子機械学習など、より専門的なトピックについて議論する。
論文 参考訳（メタデータ） (2022-04-08T17:48:59Z) - Memory Complexity of Quantum Processes [0.0]
一般のオープン量子力学は、2つの非常に異なるアプローチによって記述できる。
プロセステンソルフレームワークは、量子システム上で可能なすべての観測を記述している。
量子過程と古典過程の親密な関係は、最後に描かれる。
論文 参考訳（メタデータ） (2022-03-03T03:04:33Z) - On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
論文 参考訳（メタデータ） (2021-06-29T14:01:40Z) - Preparation of Many-body Ground States by Time Evolution with
Variational Microscopic Magnetic Fields and Incomplete Interactions [1.6554452963165365]
状態準備は量子物理学において基本的な重要性である。
量子多体系における後者の研究は、固定結合と変動磁場による時間発展によって行われる。
時間の離散化を「微粒化」することで磁場を最適化する最適化法を提案する。
論文 参考訳（メタデータ） (2021-06-03T12:04:36Z) - Bidirectional information flow quantum state tomography [0.0]
双方向Gated Recurrent Unit Neural Network (BiGRU) に基づく量子状態トモグラフィー法を提案する。
この方法では、これらの量子状態を再構成し、高い忠実度を得るために、より少ない測定サンプルを使用できる。
論文 参考訳（メタデータ） (2021-03-31T02:57:27Z) - Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。
演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文 参考訳（メタデータ） (2021-01-21T22:18:49Z) - Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。
我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文 参考訳（メタデータ） (2019-12-31T07:40:23Z)
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。