論文の概要: The Expressivity of Classical and Quantum Neural Networks on
Entanglement Entropy
- arxiv url: http://arxiv.org/abs/2305.00997v1
- Date: Mon, 1 May 2023 18:00:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-03 16:29:58.666040
- Title: The Expressivity of Classical and Quantum Neural Networks on
Entanglement Entropy
- Title(参考訳): エンタングルメントエントロピーにおける古典的および量子的ニューラルネットワークの表現性
- Authors: Chih-Hung Wu and Ching-Che Yen
- Abstract要約: R'enyi エントロピーのフォン・ノイマンエントロピー(Von Neumann entropy)は、場の量子論において難しい問題である。
教師付き学習を用いた古典的および量子的ニューラルネットワークを用いて,この問題に対処するための一般的な枠組みを提案する。
提案手法はフォン・ノイマンとレーニのエントロピーを数値的に正確に予測できる。
- 参考スコア(独自算出の注目度): 0.3299672391663526
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Analytically continuing the von Neumann entropy from R\'enyi entropies is a
challenging task in quantum field theory. While the $n$-th R\'enyi entropy can
be computed using the replica method in the path integral representation of
quantum field theory, the analytic continuation can only be achieved for some
simple systems on a case-by-case basis. In this work, we propose a general
framework to tackle this problem using classical and quantum neural networks
with supervised learning. We begin by studying several examples with known von
Neumann entropy, where the input data is generated by representing $\text{Tr}
\rho_A^n$ with a generating function. We adopt KerasTuner to determine the
optimal network architecture and hyperparameters with limited data. In
addition, we frame a similar problem in terms of quantum machine learning
models, where the expressivity of the quantum models for the entanglement
entropy as a partial Fourier series is established. Our proposed methods can
accurately predict the von Neumann and R\'enyi entropies numerically,
highlighting the potential of deep learning techniques for solving problems in
quantum information theory.
- Abstract(参考訳): 解析的に R'enyi エントロピーからフォン・ノイマンエントロピーを継続することは、場の量子論において難しい課題である。
n$-th r\'enyiエントロピーは、量子場理論の経路積分表現におけるレプリカ法を用いて計算できるが、解析的継続はケースバイケースベースでいくつかの単純な系でのみ達成できる。
本研究では,古典的,量子ニューラルネットワークと教師付き学習を用いて,この問題に対処するための一般的な枠組みを提案する。
まず、既知のフォン・ノイマンエントロピー(von neumann entropy)の例をいくつか検討し、入力データは生成関数で$\text{tr} \rho_a^n$を表すことで生成される。
我々はkerastunerを採用し、限られたデータで最適なネットワークアーキテクチャとハイパーパラメータを決定する。
さらに、量子機械学習モデルでは、部分フーリエ級数としての絡み合いエントロピーに対する量子モデルの表現性が確立される。
提案手法はフォン・ノイマンとレーニのエントロピーを数値的に正確に予測し,量子情報理論における問題解決のための深層学習手法の可能性を明らかにする。
関連論文リスト
- Layerwise Quantum Convolutional Neural Networks Provide a Unified Way
for Estimating Fundamental Properties of Quantum Information Theory [1.609244566234922]
本稿では,レイヤワイド量子畳み込みニューラルネットワーク(LQCNN)を用いた統一手法を提案する。
大規模量子ビット状態におけるバレンプラトーや複雑性問題といった問題に直面した特性推定のためのパラメータ化量子回路の研究が最近行われている。
論文 参考訳(メタデータ) (2024-01-15T14:33:03Z) - Estimating Entanglement Entropy via Variational Quantum Circuits with
Classical Neural Networks [8.995346200610019]
本稿では、古典的ニューラルネットワーク(NN)と変分量子回路を組み合わせた新しいアプローチである量子ニューラルエントロピー推定器(QNEE)を提案する。
QNEEはエントロピーの正確な推定を提供し、入力密度行列の固有値と固有状態も得られる。
数値シミュレーションにより1D XXZ Heisenbergモデルに適用し,QNEEの有効性を示した。
論文 参考訳(メタデータ) (2023-07-25T14:04:21Z) - Quantum Neural Estimation of Entropies [20.12693323453867]
エントロピー測度は、量子システムに存在する情報と相関の量を定量化する。
我々はフォン・ノイマンとレーニイのエントロピーを推定するための変分量子アルゴリズムと、測定された相対エントロピーと測定されたR'enyiの相対エントロピーを提案する。
論文 参考訳(メタデータ) (2023-07-03T17:30:09Z) - The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for
Deep Quantum Machine Learning [52.77024349608834]
古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。
鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。
我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
論文 参考訳(メタデータ) (2022-12-22T16:06:24Z) - 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) - Commutation simulator for open quantum dynamics [0.0]
時間依存密度作用素 $hatrho(t)$ の直接的性質を調べる革新的な方法を提案する。
可換関係の期待値と$hatrho(t)$の変化率を直接計算できる。
単一量子ビットの場合において、単純だが重要な例が示され、多くの量子ビットを用いた実用的な量子シミュレーション法の拡張について論じる。
論文 参考訳(メタデータ) (2022-06-01T16:03:43Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳(メタデータ) (2021-08-09T18:00:05Z) - Fixed Depth Hamiltonian Simulation via Cartan Decomposition [59.20417091220753]
時間に依存しない深さの量子回路を生成するための構成的アルゴリズムを提案する。
一次元横フィールドXYモデルにおけるアンダーソン局在化を含む、モデルの特殊クラスに対するアルゴリズムを強調する。
幅広いスピンモデルとフェルミオンモデルに対して正確な回路を提供するのに加えて、我々のアルゴリズムは最適なハミルトニアンシミュレーションに関する幅広い解析的および数値的な洞察を提供する。
論文 参考訳(メタデータ) (2021-04-01T19:06:00Z) - The Hintons in your Neural Network: a Quantum Field Theory View of Deep
Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。
ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文 参考訳(メタデータ) (2021-03-08T17:24:29Z) - 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) - Calculating Renyi Entropies with Neural Autoregressive Quantum States [0.0]
エンタングルメントエントロピーは、量子多体系を特徴づける重要な計量である。
量子モンテカルロ法によるN=256スピンの自己回帰型神経量子状態のレニイエントロピーを推定する。
論文 参考訳(メタデータ) (2020-03-03T06:59:05Z)
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。