論文の概要: Solving Schrödinger Equation with a Language Model

• arxiv url: http://arxiv.org/abs/2307.09343v4
• Date: Thu, 4 Apr 2024 07:40:41 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-05 20:32:28.068993
• Title: Solving Schrödinger Equation with a Language Model
• Title（参考訳）: 言語モデルによるシュレーディンガー方程式の解法
• 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）: 6.068088143365047
• 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には、人工知能技術の応用が含まれる。 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、モデルトレーニングプロセスを容易にし、総エネルギーを推定するために非常に効率的なサンプリング手法を採用することを可能にする。 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

• 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)
• 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)
• 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 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。