論文の概要: Detecting quantum phase transitions in a frustrated spin chain via
transfer learning of a quantum classifier algorithm
- arxiv url: http://arxiv.org/abs/2309.15339v1
- Date: Wed, 27 Sep 2023 01:11:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-28 17:08:01.618552
- Title: Detecting quantum phase transitions in a frustrated spin chain via
transfer learning of a quantum classifier algorithm
- Title(参考訳): 量子分類器アルゴリズムの転送学習によるイライラしたスピンチェーン内の量子相転移の検出
- Authors: Andr\'e J. Ferreira-Martins, Leandro Silva, Alberto Palhares, Rodrigo
Pereira, Diogo O. Soares-Pinto, Rafael Chaves and Askery Canabarro
- Abstract要約: 量子相転移を同定するための代替フレームワークを提案する。
ANNNIモデルをベンチマークとして、機械学習が3つのフェーズを検出する方法を示す。
また,従来の機械学習手法とQNN(Quantum Near neighbors)アルゴリズムの比較を行った。
- 参考スコア(独自算出の注目度): 1.2145532233226681
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The classification of phases and the detection of phase transitions are
central and challenging tasks in diverse fields. Within physics, it relies on
the identification of order parameters and the analysis of singularities in the
free energy and its derivatives. Here, we propose an alternative framework to
identify quantum phase transitions. Using the axial next-nearest neighbor Ising
(ANNNI) model as a benchmark, we show how machine learning can detect three
phases (ferromagnetic, paramagnetic, and a cluster of the antiphase with the
floating phase). Employing supervised learning, we demonstrate the feasibility
of transfer learning. Specifically, a machine trained only with
nearest-neighbor interactions can learn to identify a new type of phase
occurring when next-nearest-neighbor interactions are introduced. We also
compare the performance of common classical machine learning methods with a
version of the quantum nearest neighbors (QNN) algorithm.
- Abstract(参考訳): 相の分類と相転移の検出は様々な分野において中心的かつ挑戦的な課題である。
物理学では、次数パラメータの同定と自由エネルギーとその微分における特異点の解析に依存している。
本稿では,量子相転移を同定する代替フレームワークを提案する。
軸方向のnext-nearest neighbor ising(annni)モデルをベンチマークとして用いることで、機械学習が3つの相(強磁性、常磁性、反相と浮遊相のクラスター)を検出する方法を示す。
教師付き学習を用いて,転校学習の実現可能性を示す。
特に、neighbor-neighbor相互作用のみを訓練したマシンは、next-nearest-neighbor相互作用が導入されたときに発生する新しい種類の位相を識別することを学ぶことができる。
また,一般的な古典的機械学習手法の性能を,量子近接近傍 (qnn) アルゴリズムのバージョンと比較した。
関連論文リスト
- Complex-Phase Extensions of Szegedy Quantum Walk on Graphs [0.0]
この研究は、リンク位相と局所任意位相回転(APR)を組み込んだグラフ相Szegedyの量子ウォークを導入する。
我々はこれらの進歩に量子回路を適応させる方法を示し、計算実用性を保証する位相パターンを実現する。
我々の発見は、より汎用的で強力な量子コンピューティングパラダイムへの道のりを照らしている。
論文 参考訳(メタデータ) (2024-10-29T12:57:31Z) - 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) - Detecting Quantum and Classical Phase Transitions via Unsupervised Machine Learning of the Fisher Information Metric [0.0]
そこで我々はClassiFIMと呼ばれる教師なし機械学習(ML)手法を開発した。
クラスiFIMは、トポロジカル(例えばXXZ鎖)と動的(例えば、ハバードモデルにおける金属絶縁体遷移)の両方を確実に検出する。
論文 参考訳(メタデータ) (2024-08-06T19:34:04Z) - Hybrid Quantum-Classical Machine Learning with String Diagrams [49.1574468325115]
本稿では,文字列ダイアグラムの観点からハイブリッドアルゴリズムを記述するための公式なフレームワークを開発する。
弦図の特筆すべき特徴は、量子古典的インタフェースに対応する関手ボックスの使用である。
論文 参考訳(メタデータ) (2024-07-04T06:37:16Z) - 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) - Measurement-induced entanglement and teleportation on a noisy quantum
processor [105.44548669906976]
最大70個の超伝導量子ビット上の測定誘起量子情報相について検討した。
二重性マッピングを用いて、中間回路の測定を回避し、基礎となる位相の異なる表現にアクセスする。
我々の研究は、現在のNISQプロセッサの限界であるスケールでの計測誘起物理を実現するためのアプローチを示す。
論文 参考訳(メタデータ) (2023-03-08T18:41:53Z) - Variational waveguide QED simulators [58.720142291102135]
導波管QEDシミュレータは1次元フォトニックバンドギャップ材料と相互作用する量子エミッタによって構成される。
ここでは、これらの相互作用がより効率的な変分量子アルゴリズムを開発するためのリソースとなることを実証する。
論文 参考訳(メタデータ) (2023-02-03T18:55:08Z) - Neural-Network Decoders for Measurement Induced Phase Transitions [0.0]
観測量子系における測定誘起絡み合い相転移は顕著な例である。
測定結果に基づいて基準量子ビットの状態を決定するニューラルネットワークデコーダを提案する。
エンタングルメント相転移は,デコーダ関数の学習可能性に変化をもたらすことを示す。
論文 参考訳(メタデータ) (2022-04-22T19:40:26Z) - Machine learning discovery of new phases in programmable quantum
simulator snapshots [13.017475975364562]
我々は、ハイブリッド相関畳み込みニューラルネットワーク(Hybrid-CCNN)の解釈不能な教師なしハイブリッド機械学習アプローチを導入する。
プログラム可能な相互作用を持つ正方格子上の新しい量子位相の解析にHybrid-CCNNを適用する。
これらの観測は、プログラム可能な量子シミュレータと機械学習の組み合わせが、相関する量子状態の詳細な探索のための強力なツールとして利用できることを示した。
論文 参考訳(メタデータ) (2021-12-20T19:00:02Z) - Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。
演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文 参考訳(メタデータ) (2021-01-21T22:18:49Z) - Unsupervised machine learning of quantum phase transitions using
diffusion maps [77.34726150561087]
本研究では, 測定データの非線形次元減少とスペクトルクラスタリングを行う拡散写像法が, 教師なしの複雑な位相遷移を学習する上で有意なポテンシャルを持つことを示す。
この方法は、局所観測可能量の単一の基底での測定に役立ち、多くの実験的な量子シミュレータに容易に適用できる。
論文 参考訳(メタデータ) (2020-03-16T18:40:13Z)
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。