論文の概要: Artificial-intelligence-based surrogate solution of dissipative quantum
dynamics: physics-informed reconstruction of the universal propagator
- arxiv url: http://arxiv.org/abs/2402.02788v1
- Date: Mon, 5 Feb 2024 07:52:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-06 17:21:11.180051
- Title: Artificial-intelligence-based surrogate solution of dissipative quantum
dynamics: physics-informed reconstruction of the universal propagator
- Title(参考訳): 散逸量子力学の人工知能に基づくサロゲート解--ユニバーサルプロパゲータの物理不定形再構成
- Authors: Jiaji Zhang, Carlos L. Benavides-Riveros, Lipeng Chen
- Abstract要約: 本稿では,散逸的量子力学を解く人工知能に基づく代理モデルを提案する。
我々の量子ニューラルプロパゲータは、時間を要するイテレーションを避け、普遍的なスーパーオペレータを提供する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The accurate (or even approximate) solution of the equations that govern the
dynamics of dissipative quantum systems remains a challenging task for quantum
science. While several algorithms have been designed to solve those equations
with different degrees of flexibility, they rely mainly on highly expensive
iterative schemes. Most recently, deep neural networks have been used for
quantum dynamics but current architectures are highly dependent on the physics
of the particular system and usually limited to population dynamics. Here we
introduce an artificial-intelligence-based surrogate model that solves
dissipative quantum dynamics by parameterizing quantum propagators as Fourier
neural operators, which we train using both dataset and physics-informed loss
functions. Compared with conventional algorithms, our quantum neural propagator
avoids time-consuming iterations and provides a universal super-operator that
can be used to evolve any initial quantum state for arbitrarily long times. To
illustrate the wide applicability of the approach, we employ our quantum neural
propagator to compute population dynamics and time-correlation functions of the
Fenna-Matthews-Olson complex.
- Abstract(参考訳): 散逸量子系のダイナミクスを支配する方程式の正確な(あるいは近似的な)解は、量子科学にとって難しい課題である。
これらの方程式を柔軟に解くためにいくつかのアルゴリズムが設計されているが、それらは主に高価な反復スキームに依存している。
最近では、ディープニューラルネットワークが量子力学に使われているが、現在のアーキテクチャは特定のシステムの物理学に大きく依存しており、通常は人口動態に限られている。
本稿では,量子プロパゲータをフーリエニューラル演算子としてパラメータ化することにより,散逸的量子力学を解く人工知能に基づく代理モデルを提案する。
従来のアルゴリズムと比較して、我々の量子ニューラルプロパゲータは、時間を要するイテレーションを回避し、任意の初期量子状態を任意に長時間進化させるために使用できる普遍的なスーパー演算子を提供する。
提案手法の適用性を示すため,Fenna-Matthews-Olson複合体の人口動態と時間相関関数の計算に量子ニューラルプロパゲータを用いた。
関連論文リスト
- 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) - QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。
有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。
本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-04-14T08:03:20Z) - 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) - Dynamics with autoregressive neural quantum states: application to
critical quench dynamics [41.94295877935867]
本稿では、量子系の長時間のダイナミクスを安定的に捉えるための代替の汎用スキームを提案する。
二次元量子イジングモデルにおけるキブル・ズレーク機構の解明により,時間依存性のクエンチ力学にこのスキームを適用した。
論文 参考訳(メタデータ) (2022-09-07T15:50:00Z) - Dynamics in an exact solvable quantum magnet: benchmark for quantum
computer [2.643309520855375]
本研究では、2次元大規模強磁性J1-J2ハイゼンベルク模型の動的挙動を理論的および実験的に検討する。
量子ウォーク実験は、IBMのプログラマブル量子プロセッサに基づいて設計・実施されている。
論文 参考訳(メタデータ) (2021-09-23T13:32:45Z) - 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) - Fixed Depth Hamiltonian Simulation via Cartan Decomposition [59.20417091220753]
時間に依存しない深さの量子回路を生成するための構成的アルゴリズムを提案する。
一次元横フィールドXYモデルにおけるアンダーソン局在化を含む、モデルの特殊クラスに対するアルゴリズムを強調する。
幅広いスピンモデルとフェルミオンモデルに対して正確な回路を提供するのに加えて、我々のアルゴリズムは最適なハミルトニアンシミュレーションに関する幅広い解析的および数値的な洞察を提供する。
論文 参考訳(メタデータ) (2021-04-01T19:06:00Z) - 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) - Autoregressive Neural Network for Simulating Open Quantum Systems via a
Probabilistic Formulation [3.886883839410292]
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。
フォワード・バック・タペソイド法を用いて、リウヴィリア超作用素の力学をシミュレートし、変分定式化により定常状態を求める。
本稿では,自己回帰型ニューラルネットワークの対称性を部分的に復元し,局所相関の記述を改善する改良された文字列状態(String States)を導入する。
論文 参考訳(メタデータ) (2020-09-11T18:00:00Z) - Variational classical networks for dynamics in interacting quantum
matter [0.0]
本稿では,古典的スピンの複雑なネットワークに基づく,ニューラルネットワークに似た波動関数の変分クラスを導入する。
本手法は, 古典的極限が明確に定義された任意の量子多体系に適用可能であることを示す。
論文 参考訳(メタデータ) (2020-07-31T14:03:37Z)
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。