Fugu-MT 論文翻訳(概要): Stochastic modeling of superfluorescence in compact systems

論文の概要: Stochastic modeling of superfluorescence in compact systems

arxiv url: http://arxiv.org/abs/2312.06537v1
Date: Mon, 11 Dec 2023 17:18:08 GMT
ステータス: 処理完了
システム内更新日: 2023-12-12 14:58:05.839329
Title: Stochastic modeling of superfluorescence in compact systems
Title（参考訳）: コンパクト系における超蛍光の確率モデリング
Authors: Stasis Chuchurka, Vladislav Sukharnikov, Andrei Benediktovitch, Nina Rohringer
Abstract要約: 種々の非コヒーレントプロセスの存在下で, マルチレベルエミッタのコンパクトアンサンブルにおいて超蛍光を記述する手法を提案する。本稿では,解法を正確な計算と比較し,適用可能性の限界を議論する一連の数値例を示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose an approach based on stochastic differential equations to describe superfluorescence in compact ensembles of multi-level emitters in the presence of various incoherent processes. This approach has a numerical complexity that does not depend on the number of emitters. The stochastic differential equations are derived directly from the quantum master equation. In this study, we present a series of numerical examples, comparing our solution to exact calculations and discussing the limits of applicability. For many relevant cases, the proposed stochastic differential equations provide accurate results and correctly capture quantum many-body correlation effects.
Abstract（参考訳）: 本稿では,多レベルエミッタのコンパクトアンサンブルにおける超蛍光を記述するための確率微分方程式に基づくアプローチを提案する。このアプローチには、エミッタの数に依存しない数値的な複雑さがある。確率微分方程式は、量子マスター方程式から直接導かれる。本研究では,その解を厳密な計算と比較し,適用可能性の限界について議論する数値例を提案する。多くの関連する場合において、提案した確率微分方程式は正確な結果を与え、量子多体相関効果を正しく捉える。

関連論文リスト

Solving Fractional Differential Equations on a Quantum Computer: A Variational Approach [0.1492582382799606]
本稿では, 時間-屈折偏微分方程式の解法として, 効率的な変分型量子古典アルゴリズムを提案する。その結果, 解の忠実度は分数指数に不感であり, 勾配評価コストは時間ステップ数とともに経済的にスケールすることがわかった。
論文参考訳（メタデータ） (2024-06-13T02:27:16Z)
Understanding Diffusion Models by Feynman's Path Integral [2.4373900721120285]
ファインマン積分経路を用いた拡散モデルの新しい定式化を導入する。この定式化はスコアベース生成モデルの包括的記述を提供する。また、後方微分方程式と損失関数の導出を示す。
論文参考訳（メタデータ） (2024-03-17T16:24:29Z)
Gaussian Mixture Solvers for Diffusion Models [84.83349474361204]
本稿では,拡散モデルのためのGMSと呼ばれる,SDEに基づく新しい解法について紹介する。画像生成およびストロークベース合成におけるサンプル品質の観点から,SDEに基づく多くの解法よりも優れる。
論文参考訳（メタデータ） (2023-11-02T02:05:38Z)
Non-Parametric Learning of Stochastic Differential Equations with Non-asymptotic Fast Rates of Convergence [65.63201894457404]
非線形微分方程式のドリフトと拡散係数の同定のための新しい非パラメトリック学習パラダイムを提案する。鍵となる考え方は、基本的には、対応するフォッカー・プランク方程式のRKHSに基づく近似をそのような観測に適合させることである。
論文参考訳（メタデータ） (2023-05-24T20:43:47Z)
Efficient Quantum Algorithms for Nonlinear Stochastic Dynamical Systems [2.707154152696381]
本稿では、Fokker-Planck方程式(FPE)を用いて非線形微分方程式(SDE)を解くための効率的な量子アルゴリズムを提案する。空間と時間におけるFPEを2つのよく知られた数値スキーム、すなわち Chang-Cooper と暗黙の有限差分を用いて識別する。次に、量子線型系を用いて線形方程式の結果の解を計算する。
論文参考訳（メタデータ） (2023-03-04T17:40:23Z)
Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文参考訳（メタデータ） (2022-12-12T15:06:32Z)
Symbolic Recovery of Differential Equations: The Identifiability Problem [52.158782751264205]
微分方程式の記号的回復は、支配方程式の導出を自動化する野心的な試みである。関数が対応する微分方程式を一意に決定するために必要な条件と十分な条件の両方を提供する。この結果を用いて、関数が微分方程式を一意に解くかどうかを判定する数値アルゴリズムを考案する。
論文参考訳（メタデータ） (2022-10-15T17:32:49Z)
Decimation technique for open quantum systems: a case study with driven-dissipative bosonic chains [62.997667081978825]
量子系の外部自由度への不可避結合は、散逸(非単体)ダイナミクスをもたらす。本稿では,グリーン関数の(散逸的な)格子計算に基づいて,これらのシステムに対処する手法を提案する。本手法のパワーを,複雑性を増大させる駆動散逸型ボゾン鎖のいくつかの例で説明する。
論文参考訳（メタデータ） (2022-02-15T19:00:09Z)
Numerical Simulations of Noisy Quantum Circuits for Computational Chemistry [51.827942608832025]
短期量子コンピュータは、小さな分子の基底状態特性を計算することができる。計算アンサッツの構造と装置ノイズによる誤差が計算にどのように影響するかを示す。
論文参考訳（メタデータ） (2021-12-31T16:33:10Z)
Solving non-linear Kolmogorov equations in large dimensions by using deep learning: a numerical comparison of discretization schemes [16.067228939231047]
非線形偏微分コルモゴロフ方程式は、幅広い時間依存現象を記述するのに有効である。深層学習は、これらの方程式を高次元で解くために導入された。本研究では, 観測された計算の複雑性に影響を与えることなく, 精度の向上が可能であることを示す。
論文参考訳（メタデータ） (2020-12-09T07:17:26Z)
Scalable Gradients for Stochastic Differential Equations [40.70998833051251]
随伴感度法は通常の微分方程式の勾配を我々はこの手法を微分方程式に一般化し、時間効率と定数メモリ計算を可能にする。提案手法は,ネットワークによって定義されたニューラルダイナミクスに適合し,50次元モーションキャプチャーデータセット上での競合性能を実現する。
論文参考訳（メタデータ） (2020-01-05T23:05:55Z)

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。