論文の概要: Nuclear Physics in the Era of Quantum Computing and Quantum Machine
Learning
- arxiv url: http://arxiv.org/abs/2307.07332v1
- Date: Fri, 14 Jul 2023 13:18:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-17 13:51:45.461562
- Title: Nuclear Physics in the Era of Quantum Computing and Quantum Machine
Learning
- Title（参考訳）: 量子コンピューティングと量子機械学習の時代の核物理学
- Authors: J.E. Garc\'ia-Ramos, A. S\'aiz, J.M. Arias, L. Lamata, P.
P\'erez-Fern\'andez
- Abstract要約: 核物理学問題に対する量子コンピューティングの利用は、一般には、その初期段階にある。
ここでは、量子コンピューティングと量子機械学習の使用が将来提供し得る3つの具体例を示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, the application of quantum simulations and quantum machine
learning to solve low-energy nuclear physics problems is explored. The use of
quantum computing to deal with nuclear physics problems is, in general, in its
infancy and, in particular, the use of quantum machine learning in the realm of
nuclear physics at low energy is almost nonexistent. We present here three
specific examples where the use of quantum computing and quantum machine
learning provides, or could provide in the future, a possible computational
advantage: i) the determination of the phase/shape in schematic nuclear models,
ii) the calculation of the ground state energy of a nuclear shell model-type
Hamiltonian and iii) the identification of particles or the determination of
trajectories in nuclear physics experiments.
- Abstract（参考訳）: 本稿では,低エネルギー核物理学問題に対する量子シミュレーションと量子機械学習の応用について検討する。
核物理学問題に対する量子コンピューティングの利用は、一般に、その初期段階において、特に低エネルギーでの核物理学の領域における量子機械学習の使用はほとんど存在しない。
ここでは、量子コンピューティングと量子機械学習の使用が将来、計算上の優位性をもたらす可能性がある3つの具体的な例を示す。
一 図式核模型における相/形状の決定
二 核殻模型型ハミルトンの基底状態エネルギーの計算
三 核物理学実験における粒子の特定又は軌道の決定
関連論文リスト
- 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) - A Quantum-Classical Model of Brain Dynamics [62.997667081978825]
混合ワイル記号は、脳の過程を顕微鏡レベルで記述するために用いられる。
プロセスに関与する電磁場とフォノンモードは古典的または半古典的に扱われる。
ゼロ点量子効果は、各フィールドモードの温度を制御することで数値シミュレーションに組み込むことができる。
論文 参考訳（メタデータ） (2023-01-17T15:16:21Z) - 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) - Nuclear two point correlation functions on a quantum-computer [105.89228861548395]
我々は、現在の量子ハードウェアとエラー軽減プロトコルを使用して、高度に単純化された核モデルに対する応答関数を計算する。
この研究では、現在の量子ハードウェアとエラー軽減プロトコルを用いて、4つの格子上に3つの区別可能な核子を持つ2次元のフェルミ・ハバードモデルに対する応答関数を計算する。
論文 参考訳（メタデータ） (2021-11-04T16:25:33Z) - 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) - Probing the limits of quantum theory with quantum information at
subnuclear scales [0.13844779265721088]
本稿では,Qデータテストの新たな理論的枠組みを提案する。
これは量子理論の確立された妥当性を認識するが、特定の物理状態におけるより一般的な「後量子」のシナリオを可能にする。
論文 参考訳（メタデータ） (2021-03-22T16:47:39Z) - Mapping quantum chemical dynamics problems onto spin-lattice simulators [0.5249805590164901]
我々はこれらを量子スピン格子シミュレータにマッピングすることで量子化学核力学の解法を可能にするフレームワークを提供する。
我々のアプローチは、量子核力学の研究に使用される方法のパラダイムシフトを表している。
論文 参考訳（メタデータ） (2021-03-12T17:32:52Z) - Selected topics of quantum computing for nuclear physics [0.24466725954625884]
量子ゲージ場と物質が組み合わさった量子ゲージ場によって説明される核物理学は、基本的に重要である。
量子コンピューティングは、おそらく核物理学の研究と理解のための転換的なアプローチを提供する。
量子ゲージ場と核物理学をシミュレーションするためのデジタル量子シミュレーションアプローチは多くの注目を集めている。
論文 参考訳（メタデータ） (2020-11-03T02:35:18Z) - An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。
量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
論文 参考訳（メタデータ） (2020-05-06T14:18:44Z) - Quantum algorithms for quantum chemistry and quantum materials science [2.867517731896504]
本稿では, 電子構造, 量子統計力学, 量子力学の分野において, 量子コンピュータ上での解に対する潜在的な関心について, 化学・材料科学の中心的な問題を簡潔に述べる。
我々は、基底状態、力学、熱状態シミュレーションのための量子アルゴリズムの現在の進歩の詳細なスナップショットを取得し、将来の発展のためにそれらの強みと弱点を分析する。
論文 参考訳（メタデータ） (2020-01-10T22:49:56Z)
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。