論文の概要: RydIQule: A Graph-based Paradigm for Modelling Rydberg and Atomic Systems

• arxiv url: http://arxiv.org/abs/2307.15673v1
• Date: Fri, 28 Jul 2023 17:05:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-31 11:52:03.886535
• Title: RydIQule: A Graph-based Paradigm for Modelling Rydberg and Atomic Systems
• Title（参考訳）: RydIQule: RydbergとAtomic Systemsをモデリングするためのグラフベースのパラダイム
• Authors: Benjamin N. Miller, David H. Meyer, Teemu Virtanen, Christopher M. O'Brien, and Kevin C. Cox
• Abstract要約: 本稿では,RydIQule というオープンソースのPythonソフトウェアパッケージに付随する数値的手法について述べる。 RydIQuleは、多レベル原子系に対するハミルトニアンを生成するために、隣接行列とパスフィニングに依存する方向グラフを使用する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: We describe a numerical technique and accompanying open-source Python software package called RydIQule. RydIQule uses a directional graph, relying on adjacency matrices and path-finding to generate a Hamiltonian for multi-level atomic systems. RydIQule then constructs semi-classical equations of motion (Bloch equations) into a tensor which can store an entire simulation consisting of varied system parameters. Using this framework, RydIQule returns solutions significantly faster than typical for interpreted programming languages. RydIQule extends beyond the capabilities of currently-available tools, facilitating rapid development in atomic and Rydberg spectroscopy. To demonstrate its utility, we use RydIQule to simulate a Doppler-broadened Rydberg atomic sensor that simultaneously demodulates five rf tones spanning from 1.7 to 116 GHz. Using RydIQule, this simulation can be solved in several hours on a commercial off-the-shelf desktop computer.
• Abstract（参考訳）: 本稿では,オープンソースのpythonソフトウェアパッケージであるrydiquleについて述べる。 RydIQuleは、多レベル原子系に対するハミルトニアンを生成するために、隣接行列とパスフィニングに依存する方向グラフを使用する。 その後、RydIQule は半古典的な運動方程式 (Bloch equations) をテンソルに構成し、様々なシステムパラメータからなるシミュレーション全体を格納することができる。 このフレームワークを使用すると、RydIQuleは解釈型プログラミング言語の通常よりもはるかに高速にソリューションを返す。 RydIQuleは、現在利用可能なツールの能力を超えて、原子分光法とRydberg分光法の迅速な開発を促進する。 その有用性を実証するために、我々はRydIQuleを用いて1.7から116GHzの5つのrf音を同時に分解するドップラーブロードされたRydberg原子センサーをシミュレートした。 RydIQuleを使用することで、市販の市販デスクトップコンピュータ上で数時間でこのシミュレーションを解くことができる。

関連論文リスト

• Boundaries for quantum advantage with single photons and loop-based time-bin interferometers [40.908112113947475]
  ループベースのボソンサンプリング器は、一連の遅延線を用いて自由度で光子を干渉する。 本稿では,このループ構造を利用してより効率的なシミュレーションを行う手法を提案する。
  論文  参考訳（メタデータ） (2024-11-25T19:13:20Z)
• A Modified Depolarization Approach for Efficient Quantum Machine Learning [0.0]
  2つのクラウス作用素を持つ単一キュービットの分極チャネルに対する変形表現を提案する。 提案手法は,チャネルの実行毎に6つの行列乗算から4つの行列乗算へと計算複雑性を減少させる。 この単純化されたノイズモデルは、分極下での量子回路のよりスケーラブルなシミュレーションを可能にする。
  論文  参考訳（メタデータ） (2024-04-10T20:17:40Z)
• Symbolic Regression on FPGAs for Fast Machine Learning Inference [2.0920303420933273]
  高エネルギー物理コミュニティは、FPGA(Field-Programmable Gate Arrays)上に機械学習ベースのソリューションをデプロイする可能性を探っている シンボリックレグレッション(SR)と呼ばれる機械学習技術を利用した新しいエンドツーエンドプロシージャを提案する。 提案手法は,最大で5 nsまでの実行時間を最大13倍に抑えながら,90%以上の近似精度を維持した推論モデルを用いて3層ニューラルネットワークを近似できることを示す。
  論文  参考訳（メタデータ） (2023-05-06T17:04:02Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Algorithms for perturbative analysis and simulation of quantum dynamics [0.0]
  我々はダイソン級数とマグナス展開の両方を計算・利用するための汎用アルゴリズムを開発した。 モデルパラメータ空間の領域における忠実度を近似するためにこれらのツールの使い方を実証する。 計算前のステップを,元法よりも少ない項数で多変数展開問題と表現できることを示す。
  論文  参考訳（メタデータ） (2022-10-20T21:07:47Z)
• Time Dependent Hamiltonian Simulation Using Discrete Clock Constructions [42.3779227963298]
  時間依存力学を時間依存システムとして符号化するためのフレームワークを提供する。 まず、拡張クロックシステム上で量子化を行う時間依存シミュレーションアルゴリズムを作成する。 第2に、時間順序指数に対する多積公式の自然な一般化を定義する。
  論文  参考訳（メタデータ） (2022-03-21T21:29:22Z)
• Fast Block Linear System Solver Using Q-Learning Schduling for Unified Dynamic Power System Simulations [2.1509980377118767]
  タスクスケジューリングにQ-ラーニングに基づく新しい手法を用いる。 KLUより2～6倍高速であることを示す。
  論文  参考訳（メタデータ） (2021-10-12T09:10:27Z)
• Fast and differentiable simulation of driven quantum systems [58.720142291102135]
  我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。 回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
  論文  参考訳（メタデータ） (2020-12-16T21:43:38Z)
• Multipole Graph Neural Operator for Parametric Partial Differential Equations [57.90284928158383]
  物理系をシミュレーションするためのディープラーニングベースの手法を使用する際の大きな課題の1つは、物理ベースのデータの定式化である。 線形複雑度のみを用いて、あらゆる範囲の相互作用をキャプチャする、新しいマルチレベルグラフニューラルネットワークフレームワークを提案する。 実験により, 離散化不変解演算子をPDEに学習し, 線形時間で評価できることを確認した。
  論文  参考訳（メタデータ） (2020-06-16T21:56:22Z)
• Predictive Coding Approximates Backprop along Arbitrary Computation Graphs [68.8204255655161]
  我々は、コア機械学習アーキテクチャを予測的符号化に翻訳する戦略を開発する。 私たちのモデルは、挑戦的な機械学習ベンチマークのバックプロップと同等に機能します。 本手法は,ニューラルネットワークに標準機械学習アルゴリズムを直接実装できる可能性を高める。
  論文  参考訳（メタデータ） (2020-06-07T15:35:47Z)
• Universal Differential Equations for Scientific Machine Learning [1.0539847330971805]
  我々は、物理法則や科学モデルに関する情報とデータ駆動機械学習アプローチを混合するためのツールとして、SciMLソフトウェアエコシステムを紹介した。 生体機構の自動発見から高次元ハミルトン・ヤコビ・ベルマン方程式の解法に至るまで、様々な応用がいかにフレーズ化され、効率的に扱われるかを示す。
  論文  参考訳（メタデータ） (2020-01-13T16:40:35Z)

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。