論文の概要: Solving Schr\"odinger Equation with a Language Model
- arxiv url: http://arxiv.org/abs/2307.09343v3
- Date: Fri, 18 Aug 2023 13:58:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-21 22:56:40.094643
- Title: Solving Schr\"odinger Equation with a Language Model
- Title(参考訳): 言語モデルを用いたschr\"odinger方程式の解法
- Authors: Honghui Shang, Chu Guo, Yangjun Wu, Zhenyu Li, Jinlong Yang
- Abstract要約: 本稿では,言語モデルで使用されるトランスフォーマーアーキテクチャに基づいて,QiankunNetという機械学習モデルを提案する。
QiankunNetは複雑な量子相関を十分に捉え、その表現力を高める。
- 参考スコア(独自算出の注目度): 6.51012381381338
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurately solving the Schr\"odinger equation for intricate systems remains a
prominent challenge in physical sciences. A paradigm-shifting approach to
address this challenge involves the application of artificial intelligence
techniques. In this study, we introduce a machine-learning model named
QiankunNet, based on the transformer architecture employed in language models.
By incorporating the attention mechanism, QiankunNet adeptly captures intricate
quantum correlations, which enhances its expressive power. The autoregressive
attribute of QiankunNet allows for the adoption of an exceedingly efficient
sampling technique to estimate the total energy, facilitating the model
training process. Additionally, performance of QiankunNet can be further
improved via a pre-training process. This work not only demonstrates the power
of artificial intelligence in quantum mechanics but also signifies a pivotal
advancement in extending the boundary of systems which can be studied with a
full-configuration-interaction accuracy.
- Abstract(参考訳): 複雑な系に対するシュリンガー方程式の正確な解法は、物理科学において依然として顕著な課題である。
この課題に対処するパラダイムシフトアプローチは、人工知能技術の適用を含む。
本研究では,言語モデルで使用されるトランスフォーマーアーキテクチャに基づいて,QiankunNetという機械学習モデルを提案する。
注意機構を組み込むことで、QiankunNetはその表現力を高める複雑な量子相関を取り込む。
qiankunnetの自己回帰特性は、全エネルギーを推定するために超効率的なサンプリング技術を採用することを可能にし、モデルのトレーニングプロセスを促進する。
さらに、QiankunNetのパフォーマンスは事前トレーニングプロセスによってさらに改善できる。
この研究は、量子力学における人工知能のパワーを実証するだけでなく、完全な構成と相互作用の精度で研究できるシステムの境界を拡張するための重要な進歩を示す。
関連論文リスト
- Mechanistic Neural Networks for Scientific Machine Learning [58.99592521721158]
我々は、科学における機械学習応用のためのニューラルネットワーク設計であるメカニスティックニューラルネットワークを提案する。
新しいメカニスティックブロックを標準アーキテクチャに組み込んで、微分方程式を表現として明示的に学習する。
我々のアプローチの中心は、線形プログラムを解くために線形ODEを解く技術に着想を得た、新しい線形計画解法(NeuRLP)である。
論文 参考訳(メタデータ) (2024-02-20T15:23:24Z) - Evolutionary-enhanced quantum supervised learning model [0.0]
本研究は,進化的アンサッツフリー教師あり学習モデルを提案する。
パラメタライズド回路とは対照的に、われわれのモデルはエリート的手法によって進化する可変位相を持つ回路を用いる。
我々のフレームワークは不毛の台地を避けることに成功し、結果としてモデルの精度が向上した。
論文 参考訳(メタデータ) (2023-11-14T11:08:47Z) - Dissipative learning of a quantum classifier [0.0]
オープン量子システムとして機能する量子分類器モデルの学習力学を解析する。
モデルは勾配降下(GD)に基づくアルゴリズムでうまく訓練することができる。
これらの最適化プロセスが連続力学で得られたという事実は、微分可能活性化関数の開発を約束することを示している。
論文 参考訳(メタデータ) (2023-07-23T11:08:51Z) - Unified Quantum State Tomography and Hamiltonian Learning Using
Transformer Models: A Language-Translation-Like Approach for Quantum Systems [0.47831562043724657]
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。
論文 参考訳(メタデータ) (2023-04-24T11:20:44Z) - TeD-Q: a tensor network enhanced distributed hybrid quantum machine
learning framework [59.07246314484875]
TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。
古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。
量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
論文 参考訳(メタデータ) (2023-01-13T09:35:05Z) - Automatic and effective discovery of quantum kernels [43.702574335089736]
量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。
本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,異なるアプローチを提案する。
その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
論文 参考訳(メタデータ) (2022-09-22T16:42:14Z) - 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) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳(メタデータ) (2021-06-24T15:58:57Z) - Adiabatic Quantum Computing for Solving the Weapon-Target Assignment
Problem [0.0]
近年の技術進歩は、断熱型量子コンピューティング・アンサッツがまもなく実用化される可能性があることを示唆している。
本研究では、この計算パラダイムを用いて、よく知られた兵器目標割り当て問題の量子計算に基づく解法を開発する。
論文 参考訳(メタデータ) (2021-05-05T12:16:03Z) - Autoregressive Neural Network for Simulating Open Quantum Systems via a
Probabilistic Formulation [3.886883839410292]
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。
フォワード・バック・タペソイド法を用いて、リウヴィリア超作用素の力学をシミュレートし、変分定式化により定常状態を求める。
本稿では,自己回帰型ニューラルネットワークの対称性を部分的に復元し,局所相関の記述を改善する改良された文字列状態(String States)を導入する。
論文 参考訳(メタデータ) (2020-09-11T18:00:00Z) - Method of spectral Green functions in driven open quantum dynamics [77.34726150561087]
オープン量子力学のシミュレーションのために,スペクトルグリーン関数に基づく新しい手法を提案する。
この形式主義は、場の量子論におけるグリーン関数の使用と顕著な類似性を示している。
本手法は,完全マスター方程式の解法に基づくシミュレーションと比較して計算コストを劇的に削減する。
論文 参考訳(メタデータ) (2020-06-04T09:41:08Z)
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。