論文の概要: Quantum Classical Algorithm for the Study of Phase Transitions in the
Hubbard Model via Dynamical Mean-Field Theory
- arxiv url: http://arxiv.org/abs/2308.01392v1
- Date: Wed, 2 Aug 2023 19:11:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-04 16:07:41.405733
- Title: Quantum Classical Algorithm for the Study of Phase Transitions in the
Hubbard Model via Dynamical Mean-Field Theory
- Title（参考訳）: 動的平均場理論によるハバードモデルの相転移の研究のための量子古典的アルゴリズム
- Authors: Anshumitra Baul, Herbert F Fotso, Hanna Terletska, Juana Moreno,
Ka-Ming Tam
- Abstract要約: 本稿では, 量子コンピューティング, 多体理論, 量子機械学習を連携させて, 強相関系の研究を行うワークフローを提案する。
DMFT近似におけるHubbardモデルのゼロ温度波動関数のデータベースを生成する。
次に、QMLアルゴリズムを用いて金属相とモット絶縁体相を区別し、金属-モット絶縁体相転移を捉える。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Simulating quantum many-body systems is believed to be one of the most
promising applications of near-term noisy quantum computers. However, in the
near term, system size limitation will remain a severe barrier for applications
in materials science or strongly correlated systems. A promising avenue of
research is to combine many-body physics with machine learning for the
classification of distinct phases. In this paper, we propose a workflow that
synergizes quantum computing, many-body theory, and quantum machine
learning(QML) for studying strongly correlated systems. In particular, it can
capture a putative quantum phase transition of the stereotypical strongly
correlated system, the Hubbard model. Following the recent proposal of the
hybrid classical-quantum algorithm for the two-site dynamical mean-field
theory(DMFT), we present a modification that allows the self-consistent
solution of the single bath site DMFT. The modified algorithm can easily be
generalized for multiple bath sites. This approach is used to generate a
database of zero-temperature wavefunctions of the Hubbard model within the DMFT
approximation. We then use a QML algorithm to distinguish between the metallic
phase and the Mott insulator phase to capture the metal-to-Mott insulator phase
transition. We train a quantum convolutional neural network(QCNN) and then
utilize the QCNN as a quantum classifier to capture the phase transition
region. This work provides a recipe for application to other phase transitions
in strongly correlated systems and represents an exciting application of
small-scale quantum devices realizable with near-term technology.
- Abstract（参考訳）: 量子多体システムのシミュレーションは、短期雑音量子コンピュータの最も有望な応用の1つであると考えられている。
しかし、短期的には、システムのサイズ制限は、材料科学や強相関システムへの応用において厳しい障壁であり続けるだろう。
有望な研究の道は、異なる位相の分類のための多体物理学と機械学習を組み合わせることである。
本稿では,量子コンピューティング,多体理論,量子機械学習(qml)を融合して,強相関系を研究するワークフローを提案する。
特に、ステレオタイプ的な強い相関を持つ系の量子相転移であるハバードモデルを捉えることができる。
最近提案された2部位の動的平均場理論(DMFT)に対する古典量子ハイブリッドアルゴリズムに続いて,単一浴場DMFTの自己整合解を許容する修正を提案する。
修正アルゴリズムは複数の浴場に対して容易に一般化することができる。
この手法は、DMFT近似におけるハバードモデルのゼロ温度波動関数のデータベースを生成するために用いられる。
次に、QMLアルゴリズムを用いて金属相とモット絶縁体相を区別し、金属-モット絶縁体相転移を捉える。
量子畳み込みニューラルネットワーク(QCNN)をトレーニングし、QCNNを量子分類器として利用して位相遷移領域を捕捉する。
この研究は、強相関系における他の相転移への応用のレシピを提供し、短期技術で実現可能な小型量子デバイスのエキサイティングな応用を示す。
関連論文リスト
- Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - Unveiling quantum phase transitions from traps in variational quantum algorithms [0.0]
量子最適化と古典的機械学習を組み合わせたハイブリッドアルゴリズムを提案する。
従来の位相遷移の同定にはLASSO、トポロジカル遷移にはTransformerモデルを用いる。
我々のプロトコルは効率と精度を大幅に向上させ、量子コンピューティングと機械学習の統合における新たな道を開く。
論文 参考訳（メタデータ） (2024-05-14T09:01:41Z) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳（メタデータ） (2024-02-23T14:09:41Z) - Sampling a rare protein transition with a hybrid classical-quantum
computing algorithm [0.0]
分子動力学(MD)によるマクロ分子の自発的構造再構成のシミュレーションは注目すべき課題である。
従来のスーパーコンピュータは最大10万ユーロの時間間隔にアクセスできるが、多くの重要なイベントは指数関数的に長い時間スケールで発生する。
我々は、機械学習(ML)と量子コンピューティングを組み合わせたパスサンプリングパラダイムを用いてこの問題に対処する。
論文 参考訳（メタデータ） (2023-11-27T14:58:29Z) - Quantum Embedding Method for the Simulation of Strongly Correlated
Systems on Quantum Computers [0.0]
本稿では、変分量子固有解法(VQE)アルゴリズムと密度汎関数理論(DFT)を組み合わせた投影型埋め込み法を提案する。
開発したVQE-in-DFT法は実量子デバイス上で効率よく実装され, ブチロニトリル中の三重結合破壊過程のシミュレーションに使用される。
この開発は、コンピュータによる薬物設計や、強い相関の断片を持つメタロエンザイムの研究など、様々な化学分野の恩恵を受けるだろう。
論文 参考訳（メタデータ） (2023-02-06T19:00:03Z) - 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) - Simulating the Mott transition on a noisy digital quantum computer via
Cartan-based fast-forwarding circuits [62.73367618671969]
動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。
不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。
この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
論文 参考訳（メタデータ） (2021-12-10T17:32:15Z) - 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) - 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 Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-05-30T12:19:27Z) - 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)
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。