論文の概要: Capturing spin chain dynamics with periodically projected time-dependent basis

• arxiv url: http://arxiv.org/abs/2306.07407v3
• Date: Thu, 13 Feb 2025 08:31:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-14 13:44:38.093388
• Title: Capturing spin chain dynamics with periodically projected time-dependent basis
• Title（参考訳）: 周期的投影時間依存性に基づくスピン鎖ダイナミクスの捕捉
• Authors: Grace Hsiao-Han Chuang, Abhijit Pendse,
• Abstract要約: 多体量子系のシミュレーションは、状態空間が大きすぎるために大きな課題となる。 個々のスピンに対してSU(2)コヒーレントな状態を用いて格子上のスピンをシミュレートし、変動原理に基づいて運動方程式を導出する。 提案手法は,最大7量子ビット系の数値シミュレーションにより検証し,状態確率や磁壁密度などの物理観測値を計算する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Simulating many-body quantum systems poses significant challenges due to the large size of the state space. To address this issue, we propose using an SU(2) coherent state for individual spins to simulate spins on a lattice and derive equations of motion based on the variational principle. This method involves a sampling approach, where a subset of relevant configurations is chosen based on energy criteria, and a projection method is used to remove linear dependency on the overcomplete and time-dependent basis during propagation. We validate this method through numerical simulations of up to seven-qubit system, calculating key physical observables such as state probabilities and domain-wall densities. Our results indicate that while complete basis sets offer accurate dynamics, selected incomplete sets can recover essential features, especially with the assistance of a projector. The selected incomplete dual bases method is not limited by the structure of Hamiltonian and efficiently captures the non-equilibrium dynamics.
• Abstract（参考訳）: 多体量子系のシミュレーションは、状態空間が大きすぎるために大きな課題となる。 この問題に対処するために、個々のスピンに対してSU(2)コヒーレントな状態を用いて格子上のスピンをシミュレートし、変動原理に基づく運動方程式を導出する。 この方法は、エネルギー基準に基づいて関連する構成のサブセットが選択されるサンプリング手法と、伝播中のオーバーコンプリートおよび時間依存に基づく線形依存を取り除くプロジェクション手法とを含む。 提案手法は,最大7量子ビット系の数値シミュレーションにより検証し,状態確率や磁壁密度などの物理観測値を計算する。 この結果から,完全基底集合は正確な力学を提供するが,選択された不完全集合は,特にプロジェクタの助けを借りて本質的な特徴を回復できることがわかった。 選択された不完全双対基底法はハミルトンの構造に制限されず、非平衡力学を効率的に捉える。

関連論文リスト

• Space and Time Continuous Physics Simulation From Partial Observations [0.0]
  大規模機械学習に基づくデータ駆動方式は、より直接的かつ効率的に長距離依存関係を統合することにより、高い適応性を約束する。 我々は流体力学に焦点をあて、正規格子や不規則格子の形で計算と予測の固定的サポートに基づく文献の大部分の欠点に対処する。 本研究では,空間的・時間的領域の連続的な領域において,スパース観測を訓練しながら予測を行う新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-01-17T13:24:04Z)
• Neural Time-Reversed Generalized Riccati Equation [60.92253836775246]
  ハミルトン方程式は、コストテートとして知られる補助変数を通して最適性の解釈を提供する。 本稿では,前向きに作業することを目的とした,新しいニューラルベースによる最適制御手法を提案する。
  論文  参考訳（メタデータ） (2023-12-14T19:29:37Z)
• Stochastic parameter optimization analysis of dynamical quantum critical phenomena in long-range transverse-field Ising chain [0.0]
  一次元長次元逆場イジングモデルの量子相転移について検討する。 シミュレーションでは, 臨界点と普遍性に関する事前知識がなくても, サンプリング対象のパラメータを自動的に決定する。 後者の2つの普遍性境界として$sigma = 7/4$を支持する数値的な証拠を得ることに成功した。
  論文  参考訳（メタデータ） (2023-05-23T14:46:16Z)
• Quantifying spatio-temporal patterns in classical and quantum systems out of equilibrium [0.0]
  様々な非平衡力学現象や過程は、明らかに一般的な数値技術の発展を要求する。 非平衡量子系で実現された離散時間結晶の例により、ビットストリングのみを処理する非自明な動的相の完全な低レベルな特徴を与える。
  論文  参考訳（メタデータ） (2023-02-28T13:27:45Z)
• A two stages Deep Learning Architecture for Model Reduction of Parametric Time-Dependent Problems [0.0]
  パラメトリックな時間依存システムは、実現象をモデル化する上で非常に重要である。 本稿では,低計算時間でその一般化を実現するための一般的な2段階のディープラーニングフレームワークを提案する。 その結果, キャビティ内における非圧縮性ナビエ・ストークス方程式に適用した。
  論文  参考訳（メタデータ） (2023-01-24T11:24:18Z)
• Predicting the State of Synchronization of Financial Time Series using Cross Recurrence Plots [75.20174445166997]
  本研究では,2つの金融時系列の動的同期の将来の状態を予測する新しい手法を提案する。 我々は,同期状態の予測を方法論的に扱うためのディープラーニングフレームワークを採用する。 2つの時系列の同期状態を予測するタスクは、一般的には難しいが、ある種の在庫は、非常に良好な性能で達成できる。
  論文  参考訳（メタデータ） (2022-10-26T10:22:28Z)
• On optimization of coherent and incoherent controls for two-level quantum systems [77.34726150561087]
  本稿では、閉かつオープンな2レベル量子系の制御問題について考察する。 閉系の力学は、コヒーレント制御を持つシュリンガー方程式によって支配される。 開系の力学はゴリーニ=コサコフスキー=スダルシャン=リンドブラッドのマスター方程式によって支配される。
  論文  参考訳（メタデータ） (2022-05-05T09:08:03Z)
• Long-time integration of parametric evolution equations with physics-informed DeepONets [0.0]
  ランダムな初期条件を関連するPDE解に短時間でマッピングする無限次元演算子を学習するための効果的なフレームワークを提案する。 その後、訓練されたモデルを反復的に評価することにより、一連の初期条件にわたるグローバルな長期予測が得られる。 これは時間領域分解に対する新しいアプローチを導入し、正確な長期シミュレーションを実行するのに有効であることを示した。
  論文  参考訳（メタデータ） (2021-06-09T20:46:17Z)
• Fast and differentiable simulation of driven quantum systems [58.720142291102135]
  我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。 回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
  論文  参考訳（メタデータ） (2020-12-16T21:43:38Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)
• Supporting Optimal Phase Space Reconstructions Using Neural Network Architecture for Time Series Modeling [68.8204255655161]
  位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。 私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
  論文  参考訳（メタデータ） (2020-06-19T21:04:47Z)

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。