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
- Equivariant Variational Quantum Eigensolver to detect Phase Transitions
through Energy Level Crossings [0.0]
我々は、全スピンと翻訳対称性を保存し、一重項および三重項励起状態を正確に記述する等変量子回路を導入する。
また、ノイズが変動状態に与える影響も評価し、ゼロノイズ補間のような従来の緩和技術が物理的特性を確実に回復することを示す。
論文 参考訳(メタデータ) (2024-03-11T18:51:57Z) - Quantum Classical Algorithm for the Study of Phase Transitions in the
Hubbard Model via Dynamical Mean-Field Theory [0.0]
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。
論文 参考訳(メタデータ) (2023-08-02T19:11:04Z) - 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) - The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for
Deep Quantum Machine Learning [52.77024349608834]
古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。
鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。
我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
論文 参考訳(メタデータ) (2022-12-22T16:06:24Z) - 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) - Determining ground-state phase diagrams on quantum computers via a
generalized application of adiabatic state preparation [61.49303789929307]
我々は、状態準備のために局所的な断熱ランプを使用して、時間的進化を通じて量子コンピュータ上の基底状態位相図を直接計算することができる。
我々は,IBMの量子マシンを用いて,二つのサイトシステムと3つのサイトシステムの両方の正確な位相図を計算できる。
論文 参考訳(メタデータ) (2021-12-08T23:59:33Z) - Entanglement transitions from restricted Boltzmann machines [0.0]
統計力学のマッピングを超えた物理によって引き起こされる絡み合い遷移の可能性について検討する。
短距離制限ボルツマンマシン(RBM)量子状態のランダム位相による絡み合いのスケーリングについて検討する。
本研究は, RBM 波動関数における長距離相関位相の存在を, 絡み合い遷移の必要成分として確立する。
論文 参考訳(メタデータ) (2021-07-12T21:03:44Z) - 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。