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

• A learning agent-based approach to the characterization of open quantum systems [0.0]
  我々は,オープンな量子モデル学習エージェント (oQMLA) フレームワークを導入し,Louvillianフォーマリズムによるマルコフ雑音を考慮した。 ハミルトン作用素とジャンプ作用素を同時に学習することにより、oQMLAは独立に系のコヒーレント力学と非コヒーレント力学の両方を捉える。 複雑化のシミュレーションシナリオにおける本実装の有効性を検証し,ハードウェアによる測定誤差に対するロバスト性を示す。
  論文  参考訳（メタデータ） (2025-01-09T16:25:17Z)
• Experimental demonstration of enhanced quantum tomography via quantum reservoir processing [0.8672788660913944]
  ボーソニック回路の量子力学プラットフォーム上での連続可変状態再構成のための量子貯水池処理手法を実験的に実証した。 この方法で学習したマップは,複数のテスト状態に対して高い再現性を実現し,システムの理想化されたモデルに基づいて計算されたマップよりも大幅に性能を向上することを示す。
  論文  参考訳（メタデータ） (2024-12-15T02:02:43Z)
• Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
  我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。 この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。 我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
  論文  参考訳（メタデータ） (2024-11-13T12:03:39Z)
• Optimal Quantum Circuit Design via Unitary Neural Networks [0.0]
  本稿では,量子回路モデル表現に量子アルゴリズムの機能を合成する自動手法を提案する。 この訓練されたモデルが、元のアルゴリズムと同等の量子回路モデルを効果的に生成できることを実証する。
  論文  参考訳（メタデータ） (2024-08-23T16:41:15Z)
• Exploring quantum localization with machine learning [39.58317527488534]
  本稿では、その局所化の観点から、波動関数を分類するための効率的なニューラルネットワーク(NN)アーキテクチャを提案する。 提案手法は, 量子位相空間のパラメトリゼーションにより, 改良畳み込みモデルのパターン認識機能と, 独自の「量子」NNへと導かれる。
  論文  参考訳（メタデータ） (2024-06-01T08:50:26Z)
• Solving reaction dynamics with quantum computing algorithms [42.408991654684876]
  線形応答によって支配される異なる反応を記述することに関連する応答関数の量子アルゴリズムについて検討する。 我々は原子核物理学の応用に焦点をあて、格子上の量子ビット効率のマッピングを検討し、現実的な散乱シミュレーションに必要な大量の量を効率的に表現することができる。
  論文  参考訳（メタデータ） (2024-03-30T00:21:46Z)
• 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)
• 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)
• 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)
• 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。