論文の概要: Estimating Entanglement Entropy via Variational Quantum Circuits with
Classical Neural Networks
- arxiv url: http://arxiv.org/abs/2307.13511v1
- Date: Tue, 25 Jul 2023 14:04:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-26 16:58:21.261538
- Title: Estimating Entanglement Entropy via Variational Quantum Circuits with
Classical Neural Networks
- Title（参考訳）: 古典ニューラルネットワークを用いた変分量子回路による絡み合いエントロピーの推定
- Authors: Sangyun Lee, Hyukjoon Kwon, Jae Sung Lee
- Abstract要約: 本稿では、古典的ニューラルネットワーク(NN)と変分量子回路を組み合わせた新しいアプローチである量子ニューラルエントロピー推定器(QNEE)を提案する。
QNEEはエントロピーの正確な推定を提供し、入力密度行列の固有値と固有状態も得られる。
数値シミュレーションにより1D XXZ Heisenbergモデルに適用し,QNEEの有効性を示した。
- 参考スコア（独自算出の注目度）: 6.171666907635201
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Entropy plays a crucial role in both physics and information science,
encompassing classical and quantum domains. In this work, we present the
Quantum Neural Entropy Estimator (QNEE), a novel approach that combines
classical neural network (NN) with variational quantum circuits to estimate the
von Neumann and Renyi entropies of a quantum state. QNEE provides accurate
estimates of entropy while also yielding the eigenvalues and eigenstates of the
input density matrix. Leveraging the capabilities of classical NN, QNEE can
classify different phases of quantum systems that accompany the changes of
entanglement entropy. Our numerical simulation demonstrates the effectiveness
of QNEE by applying it to the 1D XXZ Heisenberg model. In particular, QNEE
exhibits high sensitivity in estimating entanglement entropy near the phase
transition point. We expect that QNEE will serve as a valuable tool for quantum
entropy estimation and phase classification.
- Abstract（参考訳）: エントロピーは、古典的領域と量子的領域を含む物理学と情報科学の両方において重要な役割を果たす。
本稿では,量子状態のフォン・ノイマンとレーニのエントロピーを推定するために,古典的ニューラルネットワーク(NN)と変分量子回路を組み合わせた新しいアプローチである量子ニューラルエントロピー推定器(QNEE)を提案する。
QNEEはエントロピーの正確な推定を提供し、入力密度行列の固有値と固有状態も得られる。
古典的NNの能力を活用して、QNEEは絡み合いエントロピーの変化に伴う量子系の異なる位相を分類することができる。
数値シミュレーションにより1D XXZ Heisenbergモデルに適用し,QNEEの有効性を示した。
特に、QNEEは相転移点付近のエンタングルメントエントロピーの推定において高い感度を示す。
我々はQNEEが量子エントロピー推定と位相分類の貴重なツールになることを期待している。
関連論文リスト
- Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
ランダム量子スピン系の進化をモデル化するためにFNOを用いる。
量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
論文 参考訳（メタデータ） (2024-09-05T07:18:09Z) - Thermalization and Criticality on an Analog-Digital Quantum Simulator [133.58336306417294]
本稿では,69個の超伝導量子ビットからなる量子シミュレータについて述べる。
古典的Kosterlitz-Thouless相転移のシグネチャと,Kibble-Zurekスケール予測からの強い偏差を観測する。
本システムは, 対角二量体状態でディジタル的に調製し, 熱化時のエネルギーと渦の輸送を画像化する。
論文 参考訳（メタデータ） (2024-05-27T17:40:39Z) - Quantum Neural Estimation of Entropies [20.12693323453867]
エントロピー測度は、量子システムに存在する情報と相関の量を定量化する。
我々はフォン・ノイマンとレーニイのエントロピーを推定するための変分量子アルゴリズムと、測定された相対エントロピーと測定されたR'enyiの相対エントロピーを提案する。
論文 参考訳（メタデータ） (2023-07-03T17:30:09Z) - 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) - Estimating Quantum Mutual Information Through a Quantum Neural Network [0.8988769052522807]
量子相互情報ニューラル推定(QMINE)と呼ばれる量子機械学習の手法を提案する。
QMINEはフォン・ノイマンエントロピーと量子相互情報(英語版)を推定し、量子情報理論の基本的な性質である。
数値観測はQDVRの予測を支援し,QMINEの性能を実証する。
論文 参考訳（メタデータ） (2023-06-26T10:26:45Z) - Universality of critical dynamics with finite entanglement [68.8204255655161]
臨界近傍の量子系の低エネルギー力学が有限絡みによってどのように変化するかを研究する。
その結果、時間依存的臨界現象における絡み合いによる正確な役割が確立された。
論文 参考訳（メタデータ） (2023-01-23T19:23:54Z) - Quantum Fluctuation Theorem under Continuous Measurement and Feedback [0.0]
連続的な量子測定とフィードバックの下で一般化されたゆらぎ定理を導出する。
導出の本質は、量子古典移動エントロピー(quantum-classical-transfer entropy)と呼ばれる、運用上意味のある情報を導入することである。
我々の研究は、量子力学と量子情報の基本的な関係を明らかにし、人工的な量子システムで実験することができる。
論文 参考訳（メタデータ） (2021-12-17T07:02:34Z) - An Application of Quantum Machine Learning on Quantum Correlated
Systems: Quantum Convolutional Neural Network as a Classifier for Many-Body
Wavefunctions from the Quantum Variational Eigensolver [0.0]
最近提案された量子畳み込みニューラルネットワーク(QCNN)は、量子回路を使用するための新しいフレームワークを提供する。
ここでは、一次元逆場イジングモデル(TFIM)に対する変分量子固有解器の波動関数によるQCNNのトレーニング結果を示す。
QCNNは、それから遠く離れた波動関数によって訓練されたとしても、量子臨界点の周りの波動関数の対応する位相を予測するために訓練することができる。
論文 参考訳（メタデータ） (2021-11-09T12:08:49Z) - Efficient criteria of quantumness for a large system of qubits [58.720142291102135]
大規模部分量子コヒーレント系の基本パラメータの無次元結合について論じる。
解析的および数値計算に基づいて、断熱進化中の量子ビット系に対して、そのような数を提案する。
論文 参考訳（メタデータ） (2021-08-30T23:50:05Z) - Variational Quantum Eigensolver for Frustrated Quantum Systems [0.0]
変分量子固有解法(VQE)は、量子ハミルトニアンによって指定されたエネルギーランドスケープにおける大域最小値を決定するように設計されている。
本稿では、1次元のフェルミオン連鎖を記述するハバード様モデルに対するVQE手法の性能について考察する。
また、ハミルトニアンに対するバレンプラトー現象の研究を行い、この効果の重大性はフェルミオンの量子ビットへの符号化に依存することを示した。
論文 参考訳（メタデータ） (2020-05-01T18:00:01Z) - Quantum Statistical Complexity Measure as a Signalling of Correlation
Transitions [55.41644538483948]
本稿では, 量子情報理論の文脈において, 統計的複雑性尺度の量子バージョンを導入し, 量子次数-次数遷移のシグナル伝達関数として利用する。
我々はこの測度を2つの正確に解けるハミルトンモデル、すなわち1D$量子イジングモデルとハイゼンベルクXXZスピン-1/2$チェーンに適用する。
また、考察されたモデルに対して、この測度を1量子および2量子の還元状態に対して計算し、その挙動を有限系のサイズと熱力学的限界に対して解析する。
論文 参考訳（メタデータ） (2020-02-05T00:45:21Z)
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。