論文の概要: A Score-Based Model for Learning Neural Wavefunctions
- arxiv url: http://arxiv.org/abs/2305.16540v1
- Date: Thu, 25 May 2023 23:44:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-29 17:49:43.130482
- Title: A Score-Based Model for Learning Neural Wavefunctions
- Title(参考訳): 神経波関数学習のためのスコアベースモデル
- Authors: Xuan Zhang, Shenglong Xu, Shuiwang Ji
- Abstract要約: スコアベースニューラルネットワークを用いて量子多体基底状態の物性を得るための新しいフレームワークを提供する。
我々の新しいフレームワークは明示的な確率分布を必要とせず、ランゲヴィン力学によるサンプリングを行う。
- 参考スコア(独自算出の注目度): 41.82403146569561
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum Monte Carlo coupled with neural network wavefunctions has shown
success in computing ground states of quantum many-body systems. Existing
optimization approaches compute the energy by sampling local energy from an
explicit probability distribution given by the wavefunction. In this work, we
provide a new optimization framework for obtaining properties of quantum
many-body ground states using score-based neural networks. Our new framework
does not require explicit probability distribution and performs the sampling
via Langevin dynamics. Our method is based on the key observation that the
local energy is directly related to scores, defined as the gradient of the
logarithmic wavefunction. Inspired by the score matching and diffusion Monte
Carlo methods, we derive a weighted score matching objective to guide our
score-based models to converge correctly to ground states. We first evaluate
our approach with experiments on quantum harmonic traps, and results show that
it can accurately learn ground states of atomic systems. By implicitly modeling
high-dimensional data distributions, our work paves the way toward a more
efficient representation of quantum systems.
- Abstract(参考訳): 量子モンテカルロとニューラルネットワークの波動関数は、量子多体系の基底状態の計算に成功している。
既存の最適化手法は、波動関数によって与えられる明示的な確率分布から局所エネルギーをサンプリングすることでエネルギーを計算する。
本研究では,スコアベースニューラルネットワークを用いて,量子多体基底状態の特性を得るための新しい最適化フレームワークを提案する。
新しいフレームワークは明示的な確率分布を必要とせず,langevin dynamicsによるサンプリングを行う。
本手法は局所エネルギーが対数波動関数の勾配として定義されるスコアと直接関連しているというキー観測に基づいている。
スコアマッチングと拡散モンテカルロ法にインスパイアされ、スコアベースモデルを基底状態に正しく収束させるための重み付けされたスコアマッチング目的を導出する。
まず,量子調和トラップ実験を行い,原子系の基底状態を正確に学習できることを示す。
高次元データ分布を暗黙的にモデル化することで、我々の研究は量子システムのより効率的な表現へと道を開く。
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) - Quantum states from normalizing flows [0.0]
正規化フローに基づく多体量子力学系のためのニューラル量子状態のアーキテクチャを提案する。
我々は、このアーキテクチャを地中準備とリアルタイム進化の両方に活用することを実証する。
論文 参考訳(メタデータ) (2024-06-04T16:16:58Z) - Towards a Foundation Model for Neural Network Wavefunctions [5.145741425164946]
本稿では,非相関で計算コストの低いHartree-Fock軌道を相関した高精度ニューラルネットワーク軌道にマッピングするニューラルネットワークアンサッツを提案する。
このアンザッツは本質的に複数の化合物とジオメトリーにわたる単一波動関数を学習することができる。
論文 参考訳(メタデータ) (2023-03-17T16:03:10Z) - Wave function realization of a thermal collision model [0.0]
オープン量子系の力学をシミュレーションする効率的なアルゴリズムを提案する。
この方法は密度演算子記述に収束する波動関数を解き放つことによって力学を記述する。
論文 参考訳(メタデータ) (2022-09-20T07:24:40Z) - Scalable neural quantum states architecture for quantum chemistry [5.603379389073144]
量子状態のニューラルネットワーク表現の変分最適化は、相互作用するフェルミオン問題の解決に成功している。
本稿では,Ab-initio量子化学応用のための,ニューラルネットワークに基づく変分量子モンテカルロ計算を改善するための拡張並列化手法を提案する。
論文 参考訳(メタデータ) (2022-08-11T04:40:02Z) - Learnability of the output distributions of local quantum circuits [53.17490581210575]
2つの異なるオラクルモデルにおいて、量子回路Bornマシンの学習可能性について検討する。
我々はまず,超対数深度クリフォード回路の出力分布がサンプル効率良く学習できないという負の結果を示した。
より強力なオラクルモデル、すなわちサンプルに直接アクセスすると、局所的なクリフォード回路の出力分布は計算効率よくPACを学習可能であることを示す。
論文 参考訳(メタデータ) (2021-10-11T18:00:20Z) - Bosonic field digitization for quantum computers [62.997667081978825]
我々は、離散化された場振幅ベースで格子ボゾン場の表現に対処する。
本稿では,エラースケーリングを予測し,効率的な量子ビット実装戦略を提案する。
論文 参考訳(メタデータ) (2021-08-24T15:30:04Z) - Quantum Markov Chain Monte Carlo with Digital Dissipative Dynamics on
Quantum Computers [52.77024349608834]
少数のアンシラ量子ビットを用いて環境との相互作用をシミュレートするデジタル量子アルゴリズムを開発した。
逆イジングモデルの熱状態のシミュレーションによるアルゴリズムの評価を行った。
論文 参考訳(メタデータ) (2021-03-04T18:21:00Z) - Autoregressive Transformer Neural Network for Simulating Open Quantum Systems via a Probabilistic Formulation [5.668795025564699]
オープン量子システムのダイナミクスに対処するためのアプローチを提案する。
自己回帰変換ニューラルネットワークを用いて量子状態をコンパクトに表現する。
効率的なアルゴリズムは、リウヴィリア超作用素の力学をシミュレートするために開発された。
論文 参考訳(メタデータ) (2020-09-11T18:00:00Z) - 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。