論文の概要: Scalable Imaginary Time Evolution with Neural Network Quantum States
- arxiv url: http://arxiv.org/abs/2307.15521v4
- Date: Thu, 16 Nov 2023 10:08:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-17 22:34:57.029848
- Title: Scalable Imaginary Time Evolution with Neural Network Quantum States
- Title(参考訳): ニューラルネットワーク量子状態を用いたスケーラブルな想像時間発展
- Authors: Eimantas Ledinauskas and Egidijus Anisimovas
- Abstract要約: ニューラルネットワーク量子状態(NQS)としての量子波関数の表現は、多体量子系の基底状態を見つけるための強力な変分アンサッツを提供する。
我々は、計量テンソルの計算をバイパスするアプローチを導入し、代わりにユークリッド計量を用いた一階降下にのみ依存する。
我々は,NQSのエネルギーが減少するまで最適な時間ステップを決定し,目標を固定し,適応的に安定させる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The representation of a quantum wave function as a neural network quantum
state (NQS) provides a powerful variational ansatz for finding the ground
states of many-body quantum systems. Nevertheless, due to the complex
variational landscape, traditional methods often employ the computation of
quantum geometric tensor, consequently complicating optimization techniques.
Contributing to efforts aiming to formulate alternative methods, we introduce
an approach that bypasses the computation of the metric tensor and instead
relies exclusively on first-order gradient descent with Euclidean metric. This
allows for the application of larger neural networks and the use of more
standard optimization methods from other machine learning domains. Our approach
leverages the principle of imaginary time evolution by constructing a target
wave function derived from the Schr\"odinger equation, and then training the
neural network to approximate this target. We make this method adaptive and
stable by determining the optimal time step and keeping the target fixed until
the energy of the NQS decreases. We demonstrate the benefits of our scheme via
numerical experiments with 2D J1-J2 Heisenberg model, which showcase enhanced
stability and energy accuracy in comparison to direct energy loss minimization.
Importantly, our approach displays competitiveness with the well-established
density matrix renormalization group method and NQS optimization with
stochastic reconfiguration.
- Abstract(参考訳): ニューラルネットワーク量子状態(NQS)としての量子波関数の表現は、多体量子系の基底状態を見つけるための強力な変分アンサッツを提供する。
しかし、複雑な変動地形のため、従来の手法では量子幾何テンソルの計算を使い、その結果最適化技術が複雑になる。
代替手法の定式化への貢献として、計量テンソルの計算を回避し、ユークリッド計量による一階勾配勾配にのみ依存するアプローチを導入する。
これにより、より大きなニューラルネットワークの応用と、他の機械学習ドメインからのより標準的な最適化方法の利用が可能になる。
提案手法は,Schr\\odinger方程式から導かれるターゲット波動関数を構築し,ニューラルネットワークをトレーニングして,この目標を近似することで,虚時進化の原理を利用する。
我々は,NQSのエネルギーが減少するまで最適な時間ステップを決定し,目標を固定し,適応的に安定させる。
2次元J1-J2ハイゼンベルクモデルを用いた数値実験により, 直接エネルギー損失最小化と比較して, 安定性とエネルギー精度が向上した。
提案手法は,確率的再構成による密度行列再正規化法とNQS最適化との競合性を示す。
関連論文リスト
- Physics-Informed Neural Networks for an optimal counterdiabatic quantum
computation [32.73124984242397]
我々は,N_Q$量子ビットを持つ系からなる量子回路の最適化において,物理インフォームドニューラルネットワーク(PINN)の強度を活用して,逆ダイアバティック(CD)プロトコルに対処する新しい手法を提案する。
この手法の主な応用は、STO-3Gベースの2量子および4量子系で表される$mathrmH_2$と$mathrmLiH$分子である。
論文 参考訳(メタデータ) (2023-09-08T16:55:39Z) - Variational optimization of the amplitude of neural-network quantum
many-body ground states [23.45002643232155]
ニューラルネットワーク量子状態(NQS)は、従来の手法とディープラーニング技術を組み合わせることで、変動的に最適化される。
そこで我々は,量子多体変動波関数を実数値振幅ニューラルネットワークと手形構造の乗算に分割した。
その結果,複素数値NQSの符号構造を最適化することが困難であることが示唆された。
論文 参考訳(メタデータ) (2023-08-18T16:30:57Z) - Optimization strategies in WAHTOR algorithm for quantum computing
empirical ansatz: a comparative study [0.0]
本研究はWAHTORアルゴリズムの非断熱バージョンを導入し,その効率を3つの実装と比較する。
固定されたVQEパラメータでハミルトニアンの1階微分と2階微分を計算することは、原型的なQPUオーバーロードを導入しない。
ハバードモデルシステムの場合、信頼領域非断熱最適化の方が効率的であることが判明した。
論文 参考訳(メタデータ) (2023-06-19T15:07:55Z) - An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳(メタデータ) (2023-06-10T08:25:16Z) - Quantum Gate Generation in Two-Level Open Quantum Systems by Coherent
and Incoherent Photons Found with Gradient Search [77.34726150561087]
我々は、非コヒーレント光子によって形成される環境を、非コヒーレント制御によるオープン量子系制御の資源とみなす。
我々は、ハミルトニアンにおけるコヒーレント制御と、時間依存デコヒーレンス率を誘導する散逸器における非コヒーレント制御を利用する。
論文 参考訳(メタデータ) (2023-02-28T07:36:02Z) - A self-consistent field approach for the variational quantum
eigensolver: orbital optimization goes adaptive [52.77024349608834]
適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。
このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
論文 参考訳(メタデータ) (2022-12-21T23:15:17Z) - On optimization of coherent and incoherent controls for two-level
quantum systems [77.34726150561087]
本稿では、閉かつオープンな2レベル量子系の制御問題について考察する。
閉系の力学は、コヒーレント制御を持つシュリンガー方程式によって支配される。
開系の力学はゴリーニ=コサコフスキー=スダルシャン=リンドブラッドのマスター方程式によって支配される。
論文 参考訳(メタデータ) (2022-05-05T09:08:03Z) - 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) - Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。
どちらの手法もエネルギーと基底状態の優れた推定値を提供する。
勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
論文 参考訳(メタデータ) (2020-11-02T19:52:04Z) - 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) - Low depth mechanisms for quantum optimization [0.25295633594332334]
我々は、成功の物理的メカニズムとアルゴリズム改善の導出の失敗を理解するために、グラフ上の運動エネルギーに関連する言語とツールの開発に重点を置いている。
これは、波動関数の閉じ込め、位相ランダム化、理想解から遠く離れた目標に潜む影欠陥の影響と関係している。
論文 参考訳(メタデータ) (2020-08-19T18:16:26Z)
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。