論文の概要: Accurate neural quantum states for interacting lattice bosons
- arxiv url: http://arxiv.org/abs/2404.07869v1
- Date: Thu, 11 Apr 2024 16:04:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-12 13:20:46.413390
- Title: Accurate neural quantum states for interacting lattice bosons
- Title（参考訳）: 相互作用格子ボソンのための正確な神経量子状態
- Authors: Zakari Denis, Giuseppe Carleo,
- Abstract要約: 神経量子状態は相互作用強度のすべての値にわたって2次元ボース・ハバード・ハミルトン状態の基底状態を忠実に表現できることを示す。
これにより、超モット量子相転移における絡み合いエントロピーのスケーリングを解明することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, neural quantum states have emerged as a powerful variational approach, achieving state-of-the-art accuracy when representing the ground-state wave function of a great variety of quantum many-body systems, including spin lattices, interacting fermions or continuous-variable systems. However, accurate neural representations of the ground state of interacting bosons on a lattice have remained elusive. We introduce a neural backflow Jastrow Ansatz, in which occupation factors are dressed with translationally equivariant many-body features generated by a deep neural network. We show that this neural quantum state is able to faithfully represent the ground state of the 2D Bose-Hubbard Hamiltonian across all values of the interaction strength. We scale our simulations to lattices of dimension up to $20{\times}20$ while achieving the best variational energies reported for this model. This enables us to investigate the scaling of the entanglement entropy across the superfluid-to-Mott quantum phase transition, a quantity hard to extract with non-variational approaches.
- Abstract（参考訳）: 近年、神経量子状態は、スピン格子、相互作用するフェルミオン、連続可変系を含む様々な量子多体系の基底状態波動関数を表現する際に、最先端の精度を達成する強力な変動的アプローチとして出現している。
しかし、格子上の相互作用するボソンの基底状態の正確な神経表現は、まだ解明されていない。
本稿では,ニューラルバックフローのJastrow Ansatzを紹介した。
この神経量子状態は相互作用強度の全ての値にわたって2次元ボース・ハバード・ハミルトン状態の基底状態を忠実に表現できることを示す。
このモデルで報告された最良の変動エネルギーを達成しながら、シミュレーションを20ドルまでの格子にスケールする。
これにより、超流動-モット量子相転移における絡み合いエントロピーのスケーリングを研究できる。
関連論文リスト
- Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
ランダム量子スピン系の進化をモデル化するためにFNOを用いる。
量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
論文 参考訳（メタデータ） (2024-09-05T07:18:09Z) - Entanglement transition in deep neural quantum states [0.0]
深部ニューラルネットワークにおける情報伝達が深部神経量子状態の物理的絡み合い特性にどのように影響するかを示す。
このブリッジにより、領域と体積法が絡み合った状態を表すために最適な神経量子状態ハイパーパラメーターレギュレーションを特定できる。
正確な量子状態表現のためのネットワーク構成の理解の進歩は、容積法則量子状態を扱う効果的な表現を開発するのに役立ちます。
論文 参考訳（メタデータ） (2023-12-19T08:40:23Z) - Simplicity of mean-field theories in neural quantum states [0.0]
置換対称性を持つ平均場理論の基底状態は、独立したニューラルネットワークパラメータの限られた数しか必要としない。
完全連結横フィールドイジングモデル(TFIM)の基底状態への収束は1つのパラメータだけで実現できることを示す。
論文 参考訳（メタデータ） (2023-08-21T18:00:01Z) - Neural-network quantum states for ultra-cold Fermi gases [49.725105678823915]
この研究は、メッセージパッシングアーキテクチャに基づいたバックフロー変換を含む、新しいPfaffian-Jastrowニューラルネットワーク量子状態を導入する。
逆スピン対分布関数による強いペアリング相関の出現を観察する。
この結果から, ニューラルネットワーク量子状態は, 超低温フェルミガスの研究に有望な戦略をもたらすことが示唆された。
論文 参考訳（メタデータ） (2023-05-15T17:46:09Z) - Machine learning one-dimensional spinless trapped fermionic systems with
neural-network quantum states [1.6606527887256322]
ガウスポテンシャルを介して相互作用する完全に偏極された1次元フェルミオン系の基底状態特性を計算する。
我々は、波動関数のアンサッツとして、反対称人工ニューラルネットワーク(英語版)またはニューラル量子状態を用いる。
相互作用の兆候によって、非常に異なる基底状態が見つかる。
論文 参考訳（メタデータ） (2023-04-10T17:36:52Z) - Universality of critical dynamics with finite entanglement [68.8204255655161]
臨界近傍の量子系の低エネルギー力学が有限絡みによってどのように変化するかを研究する。
その結果、時間依存的臨界現象における絡み合いによる正確な役割が確立された。
論文 参考訳（メタデータ） (2023-01-23T19:23:54Z) - 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) - Measuring Quantum Entanglement from Local Information by Machine
Learning [10.161394383081145]
絡み合いは量子技術の発展における鍵となる性質である。
本稿では,局所ハミルトニアンの平衡状態と非平衡状態の絡み合いを測定するためのニューラルネットワーク支援プロトコルを提案する。
論文 参考訳（メタデータ） (2022-09-18T08:15:49Z) - An Empirical Study of Quantum Dynamics as a Ground State Problem with
Neural Quantum States [0.0]
ニューラルネットワークは、ニューラルネットワークによってパラメータ化される変動波動関数である。
多体物理学の文脈では、変分モンテカルロや変分波動関数としてのニューラル量子状態のような手法が近似に成功している。
しかしながら、ニューラルネットワークアーキテクチャを提案することの難しさは、その表現性とトレーニング容易性を探究することとともに、ニューラルネットワークをニューラルネットワーク状態として利用することにまで及んでいる。
論文 参考訳（メタデータ） (2022-06-18T16:42:39Z) - Neural-Network Quantum States for Periodic Systems in Continuous Space [66.03977113919439]
我々は、周期性の存在下での強い相互作用を持つシステムのシミュレーションのために、神経量子状態の族を紹介する。
一次元系では、基底状態エネルギーと粒子の放射分布関数を非常に正確に推定する。
二つの次元において基底状態エネルギーの優れた推定値を得るが、これはより伝統的な手法から得られる結果に匹敵する。
論文 参考訳（メタデータ） (2021-12-22T15:27:30Z) - Variational Monte Carlo calculations of $\mathbf{A\leq 4}$ nuclei with
an artificial neural-network correlator ansatz [62.997667081978825]
光核の基底状態波動関数をモデル化するためのニューラルネットワーク量子状態アンサッツを導入する。
我々は、Aleq 4$核の結合エネルギーと点核密度を、上位のピオンレス実効場理論から生じるものとして計算する。
論文 参考訳（メタデータ） (2020-07-28T14:52:28Z)
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。