論文の概要: Exploring the Phase Diagram of the quantum one-dimensional ANNNI model

• arxiv url: http://arxiv.org/abs/2402.11022v1
• Date: Fri, 16 Feb 2024 19:04:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-02-21 00:03:49.505230
• Title: Exploring the Phase Diagram of the quantum one-dimensional ANNNI model
• Title（参考訳）: 量子一次元ANNNIモデルの位相図の探索
• Abstract要約: この研究は、アルゴリズム構築の様々な段階において、QMLとTNを具体的に結合することを目的としている。 この研究は、教師なしおよび教師なしの技術を用いて、ANNNIモデルの位相図再構成に焦点を当てた。
• 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: In this manuscript, we explore the intersection of QML and TN in the context of the one-dimensional ANNNI model with a transverse field. The study aims to concretely connect QML and TN by combining them in various stages of algorithm construction, focusing on phase diagram reconstruction for the ANNNI model, with supervised and unsupervised techniques. The model's significance lies in its representation of quantum fluctuations and frustrated exchange interactions, making it a paradigm for studying magnetic ordering, frustration, and the presence of a floating phase. It concludes with discussions of the results, including insights from increased system sizes and considerations for future work, such as addressing limitations in QCNN and exploring more realistic implementations of QC.
• Abstract（参考訳）: 本稿では,QML と TN の交叉を,一次元の ANNNI モデルと横場との文脈で検討する。 この研究は、アルゴリズム構築の様々な段階においてQMLとTNを具体的に結合することを目的としており、ANNNIモデルの位相図再構成と教師なしおよび教師なしの技術に焦点を当てている。 このモデルの意義は、量子ゆらぎとフラストレーションのある交換相互作用の表現にあり、磁気秩序、フラストレーション、浮遊相の存在を研究するためのパラダイムとなっている。 結論として、qcnnの制限への対処やqcのより現実的な実装の探求など、システムサイズの増加からの洞察や今後の作業に対する考慮を含む、結果に関する議論を締めくくっている。

関連論文リスト

• A Target-Centric Survey of Quantization-Aware Training [53.52583463060327]
  量子化アウェアトレーニング(QAT)技術は、これらの課題に対処するための有望なソリューションとして登場した。 QAT技術は、モデルトレーニング中に量子化効果を明示的にシミュレートし、完全精度に匹敵する精度を達成する低ビットモデルを生成する。
  論文  参考訳（メタデータ） (2026-08-30T09:04:47Z)
• A Systematic Survey and Benchmark of Deep Learning for Molecular Property Prediction in the Foundation Model Era [57.5440098776759]
  分子特性予測は、量子化学、化学情報学、深層学習を統合し、分子構造と生物学的挙動を結びつける。 この調査は、Quantum、Descriptor Machine Learning、Geometric Deep Learning、Foundation Modelsの4つの補完パラダイムをトレースする。 ベンチマーク分析は、広く使われているデータセットと業界的な視点を反映したデータセットの両方からエビデンスを統合する。
  論文  参考訳（メタデータ） (2026-04-17T15:16:33Z)
• Enhancing Quantum Diffusion Models for Complex Image Generation [0.8373057326694194]
  本研究では,Adaptive Non-Local Observables (ANO)と統合されたハイブリッド量子古典的U-Netアーキテクチャについて検討する。 古典的データを高密度量子潜在空間に圧縮し、トレーニング可能な可観測物を活用することにより、古典的処理を補完する非局所的特徴を抽出することを目的としている。 完全なMNISTデータセット(桁 0-9)の実験結果から,提案アーキテクチャは全桁のクラスに対して,構造的に整合的で認識可能な画像を生成することができることが示された。
  論文  参考訳（メタデータ） (2026-02-03T11:32:19Z)
• Quantum Circuit-Based Learning Models: Bridging Quantum Computing and Machine Learning [40.71697366438106]
  本稿では、古典的データ解析のための量子回路に基づく学習モデルに関する既存のコントリビューションについて概説する。 本稿では,現在のハードウェア制約下での実用性を高めることのできる,耐雑音性とハードウェア効率のよいQMLの取り組みについて論じる。
  論文  参考訳（メタデータ） (2026-01-19T12:52:25Z)
• Mixed-State Measurement-Induced Phase Transitions in Imaginary-Time Dynamics [7.003546487809973]
  混合状態の相転移は、非平衡量子物質と量子情報の新たなフロンティアとして注目されている。 我々は,混合状態の量子位相とデコヒーレンス駆動臨界性を研究するための新しいフレームワークとして,MDITE(Message-dressed imaginary-time evolution)を紹介した。 本研究は,MDITEを多体量子系における非単体力学とデコヒーレンスの基本的役割を研究するための強力なパラダイムとして取り上げる。
  論文  参考訳（メタデータ） (2025-11-06T14:28:53Z)
• Quantum Visual Fields with Neural Amplitude Encoding [70.86293548779774]
  本稿では2次元画像と3次元幾何場学習のための新しいタイプの量子入射ニューラル表現(QINR)を提案する。 QVFは古典的なデータを学習可能エネルギー多様体に接地したニューラル振幅符号化を用いて量子状態ベクトルに符号化する。 我々のアンサッツは、学習可能なパラメトリド量子回路の完全に絡み合った設計に従い、実際のヒルベルト空間で量子(単位)演算を行う。
  論文  参考訳（メタデータ） (2025-08-14T17:59:52Z)
• Adiabatic Fine-Tuning of Neural Quantum States Enables Detection of Phase Transitions in Weight Space [0.0]
  我々は,位相図上でNQSを訓練し,異なるモデル間で強く相関する重み表現をもたらすアディバティック微調整を導入する。 この重み空間の相関により、トレーニングされたネットワーク重みだけを解析することによって量子系の相転移を検出することができる。 この結果は,物理相転移とニューラルネットワークパラメータの幾何の関連性を確立し,物理における機械学習モデルの解釈可能性の新しい方向性を開拓する。
  論文  参考訳（メタデータ） (2025-03-21T13:42:11Z)
• Generalized Factor Neural Network Model for High-dimensional Regression [50.554377879576066]
  複素・非線形・雑音に隠れた潜在低次元構造を持つ高次元データセットをモデル化する課題に取り組む。 我々のアプローチは、非パラメトリック回帰、因子モデル、高次元回帰のためのニューラルネットワークの概念のシームレスな統合を可能にする。
  論文  参考訳（メタデータ） (2025-02-16T23:13:55Z)
• SynerGen-VL: Towards Synergistic Image Understanding and Generation with Vision Experts and Token Folding [66.74446220401296]
  画像の理解と生成の両方が可能なシンプルだが強力なエンコーダのないMLLMであるSynerGen-VLを提案する。 トークンの折り畳み機構と,高分解能画像理解を効果的に支援するビジョンエキスパートベースのプログレッシブアライメント事前学習戦略を導入する。 コードとモデルはリリースされます。
  論文  参考訳（メタデータ） (2024-12-12T18:59:26Z)
• Simulation of Entanglement-Enabled Connectivity in QLANs using SeQUeNCe [7.486717790185952]
  量子局所ネットワーク(QLAN)は、大規模量子ネットワークのための有望なビルディングブロックである。 本稿では,量子ネットワークの離散イベントシミュレータであるSeQUeNCeにおけるQLANモデルの実装について論じる。
  論文  参考訳（メタデータ） (2024-11-17T10:20:25Z)
• On the relation between trainability and dequantization of variational quantum learning models [1.7999333451993955]
  変分量子機械学習(QML)のトレーニング容易性と定式化の関係について検討する。 我々はPQCベースのQMLモデルを構築するためのレシピを紹介した。 しかしながら、我々の研究は、より一般的な構造を見つけるための道のりを指している。
  論文  参考訳（メタデータ） (2024-06-11T08:59:20Z)
• Exploring quantum localization with machine learning [39.58317527488534]
  本稿では、その局所化の観点から、波動関数を分類するための効率的なニューラルネットワーク(NN)アーキテクチャを提案する。 提案手法は, 量子位相空間のパラメトリゼーションにより, 改良畳み込みモデルのパターン認識機能と, 独自の「量子」NNへと導かれる。
  論文  参考訳（メタデータ） (2024-06-01T08:50:26Z)
• Quantum Tunneling: From Theory to Error-Mitigated Quantum Simulation [49.1574468325115]
  本研究では,量子トンネルシミュレーションの理論的背景とハードウェア対応回路の実装について述べる。 我々は、ハードウェアのアンダーユース化問題を解決するために、ZNEとREM(エラー軽減技術)と量子チップのマルチプログラミングを使用する。
  論文  参考訳（メタデータ） (2024-04-10T14:27:07Z)
• Coherent Feed Forward Quantum Neural Network [2.1178416840822027]
  量子ニューラルネットワーク(QNN)に焦点をあてた量子機械学習は、いまだに膨大な研究分野である。 適応可能な中間層とノードの観点から,従来のFFNNの汎用性とシームレスに整合するボナフェイドQNNモデルを提案する。 本研究では,診断乳がん(Wisconsin)やクレジットカード不正検出データセットなど,さまざまなベンチマークデータセットを用いて提案モデルを検証した。
  論文  参考訳（メタデータ） (2024-02-01T15:13:26Z)
• Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits [70.97518416003358]
  変分量子回路(VQC)は、ノイズの多い中間スケール量子(NISQ)デバイス上での量子機械学習を約束する。 テンソルトレインネットワーク(TTN)はVQC表現と一般化を向上させることができるが、結果として得られるハイブリッドモデルであるTTN-VQCは、Polyak-Lojasiewicz(PL)条件による最適化の課題に直面している。 この課題を軽減するために,プレトレーニングTTNモデルとVQCを組み合わせたPre+TTN-VQCを導入する。
  論文  参考訳（メタデータ） (2023-05-18T03:08:18Z)
• Scaling Vision-Language Models with Sparse Mixture of Experts [128.0882767889029]
  提案手法は, 等価計算コストの高密度モデルに対して, 様々なベンチマークにおいて, 最先端性能を実現することができることを示す。 我々の研究は、MoEモデルのトレーニングの安定化、モデル解釈可能性に対するMoEの影響の理解、ビジョン言語モデルをスケールする際の計算性能間のトレードオフのバランスに関する貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2023-03-13T16:00:31Z)
• 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)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• Model-Independent Learning of Quantum Phases of Matter with Quantum Convolutional Neural Networks [1.9404281424219032]
  量子畳み込みニューラルネットワーク(QCNN)は、物質ギャップ量子相の分類器として導入されている。 位相保存摂動下で変化しない順序パラメータを見つけるために,QCNNを訓練するためのモデルに依存しないプロトコルを提案する。
  論文  参考訳（メタデータ） (2022-11-21T19:00:04Z)
• Holographic tensor network models and quantum error correction: A topical review [78.28647825246472]
  ホログラフィックの双対性の研究の最近の進歩は、量子情報理論の概念や技術と結びついている。 特に成功したアプローチは、テンソルネットワークによるホログラフィック特性のキャプチャである。
  論文  参考訳（メタデータ） (2021-02-04T14:09:21Z)
• State preparation and measurement in a quantum simulation of the O(3) sigma model [65.01359242860215]
  我々は,非線型O(3)シグマモデルの固定点が,格子サイトあたり2キュービットしか持たないスピンモデルの量子相転移付近で再現可能であることを示す。 本稿では,弱い結合状態と量子臨界状態の両方において,断熱的基底状態の準備が複雑になる結果を得るためにトロッター法を適用した。 非単位ランダム化シミュレーション法に基づく量子アルゴリズムの提案と解析を行う。
  論文  参考訳（メタデータ） (2020-06-28T23:44:12Z)

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。