Fugu-MT 論文翻訳(概要): Fidelity and Overlap of Neural Quantum States: Error Bounds on the Monte Carlo Estimator

論文の概要: Fidelity and Overlap of Neural Quantum States: Error Bounds on the Monte Carlo Estimator

arxiv url: http://arxiv.org/abs/2311.14820v1
Date: Fri, 24 Nov 2023 19:33:55 GMT
ステータス: 処理完了
システム内更新日: 2023-11-29 23:19:51.940462
Title: Fidelity and Overlap of Neural Quantum States: Error Bounds on the Monte Carlo Estimator
Title（参考訳）: ニューラル量子状態の忠実度とオーバーラップ:モンテカルロ推定器上の誤差境界
Authors: Tomasz Szo{\l}dra
Abstract要約: 2つの神経量子状態間のオーバーラップはモンテカルロサンプリングによって計算できる。正規化自己回帰型神経量子状態の特別な場合を別々に解析する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Overlap between two neural quantum states can be computed through Monte Carlo sampling by evaluating the unnormalized probability amplitudes on a subset of basis configurations. Due to the presence of probability amplitude ratios in the estimator, which are possibly unbounded, convergence of this quantity is not immediately obvious. Our work provides a derivation of analytical error bounds on the overlap in the Monte Carlo calculations as a function of their fidelity and the number of samples. Special case of normalized autoregressive neural quantum states is analyzed separately.
Abstract（参考訳）: 2つの神経量子状態間の重なりをモンテカルロサンプリングにより計算し、基底構成のサブセット上の非正規化確率振幅を評価する。推定器における確率振幅比の存在は、おそらく非有界であるので、この量の収束はすぐには明らかではない。我々の研究は、モンテカルロ計算における重なり合いに関する解析的誤差境界の導出を、その忠実度とサンプル数の関数として提供する。正規化自己回帰型神経量子状態の特別な場合を別々に解析する。

関連論文リスト

Calibrating Bayesian Generative Machine Learning for Bayesiamplification [0.0]
ベイズ生成機械学習モデルのキャリブレーションを定量化するための明確なスキームを示す。十分に校正された不確実性は、大まかに非相関真理サンプルの数を推定するために用いられる。
論文参考訳（メタデータ） (2024-08-01T18:00:05Z)
Reflection coupling for unadjusted generalized Hamiltonian Monte Carlo in the nonconvex stochastic gradient case [0.0]
ワッサーシュタイン 1-距離の明示的な速度での縮約は、非拡散条件下で勾配を持つ一般化ハミルトニアン・モンテカルロに対して確立される。検討されたアルゴリズムは、分子動力学シミュレーションで一般的に使用されるランゲヴィンの速度論的分割スキームを含む。
論文参考訳（メタデータ） (2023-10-28T18:25:59Z)
Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文参考訳（メタデータ） (2022-12-21T19:00:04Z)
Dilute neutron star matter from neural-network quantum states [58.720142291102135]
低密度中性子物質はクーパー対の形成と超流動の開始によって特徴づけられる。我々は、モンテカルロ変分法と再構成技術を組み合わせた隠れ核量子ネットワーク量子状態の表現性に乗じて、この密度構造をモデル化する。
論文参考訳（メタデータ） (2022-12-08T17:55:25Z)
Dual-Frequency Quantum Phase Estimation Mitigates the Spectral Leakage of Quantum Algorithms [76.15799379604898]
量子位相推定は、レコード長の逆数が未知の位相の整数倍でない場合にスペクトルリークに悩まされる。複数のサンプルが利用できるとき,クレーマー・ラオ境界に近づいた二重周波数推定器を提案する。
論文参考訳（メタデータ） (2022-01-23T17:20:34Z)
Efficient quantum state tomography with convolutional neural networks [0.0]
我々は,情報的に完全な測定結果に対する確率分布の近似に依存する量子状態トモグラフィー手法を開発した。実験データから直接推定した場合と比較して,観測可能量の推定誤差を最大で1桁低減する。
論文参考訳（メタデータ） (2021-09-28T14:55:54Z)
Entanglement in bipartite quantum systems: Euclidean volume ratios and detectability by Bell inequalities [0.0]
正部分転移をもつ量子状態と二部晶系における全ての量子状態の間のユークリッド体積比について検討した。エンタングルメントの典型性とベルの不等式による検出性について,新しい数値計算法を開発した。両ベルの不等式の組み合わせ試験が、これらの不等式がそれぞれ別々に達成できる範囲を超えて、絡み合いの検出可能性を高めるかどうかを定量的に検討した。
論文参考訳（メタデータ） (2021-01-30T21:19:37Z)
Signatures of Chaos in Non-integrable Models of Quantum Field Theory [0.0]
1+1)D量子場理論(QFT)モデルにおける量子カオスのシグネチャについて検討する。我々は、二重正弦ガードンに焦点をあて、巨大な正弦ガードンと$phi4$モデルの研究も行っている。
論文参考訳（メタデータ） (2020-12-15T18:56:20Z)
Quantitative Propagation of Chaos for SGD in Wide Neural Networks [39.35545193410871]
本稿では,SGD(Gradient Descent)の連続時間動作の制限挙動について検討する。本研究では, この連続時間力学によって定義される粒子系に対して, 異なるシナリオ下での「カオスの伝播」を示す。最小化問題の暗黙的な正則化版に対応する2つの平均場限界を求める。
論文参考訳（メタデータ） (2020-07-13T12:55:21Z)
The role of boundary conditions in quantum computations of scattering observables [58.720142291102135]
量子コンピューティングは、量子色力学のような強い相互作用する場の理論を物理的時間進化でシミュレートする機会を与えるかもしれない。現在の計算と同様に、量子計算戦略は依然として有限のシステムサイズに制限を必要とする。我々は、ミンコフスキー符号量1+1ドルの体積効果を定量化し、これらが体系的不確実性の重要な源であることを示す。
論文参考訳（メタデータ） (2020-07-01T17:43:11Z)
Nonparametric Score Estimators [49.42469547970041]
未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
論文参考訳（メタデータ） (2020-05-20T15:01:03Z)

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。