論文の概要: Discovering Factorization Surface of Quantum Spin Chains with Machine Learning
- arxiv url: http://arxiv.org/abs/2404.10910v1
- Date: Tue, 16 Apr 2024 21:10:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-18 17:52:27.091662
- Title: Discovering Factorization Surface of Quantum Spin Chains with Machine Learning
- Title（参考訳）: 機械学習による量子スピン鎖の因子化表面の発見
- Authors: Nakul Aggarwal, Keshav Das Agarwal, Tanoy Kanti Konar, Leela Ganesh Chandra Lakkaraju, Aditi Sen De,
- Abstract要約: 量子多体系の絡み合いは、様々な量子情報処理に必要である。
いくつかの量子スピンモデルに対する因子化面(FS)を示すチューニングパラメータは未だ不明である。
我々は、量子多体ハミルトニアンのFSに対応するパラメータ構造における閉形式表現を決定するために、記号回帰(SR)を用いる。
- 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: Entanglement in quantum many-body systems is required for a variety of quantum information tasks, making it crucial to identify the parameter space in which the ground state is fully separable, known as the factorization surface (FS). Nonetheless, the tuning parameters indicating FS for several quantum spin models remain unknown. We employ symbolic regression (SR), a supervised learning technique, to determine a closed-form expression in the parameter regime corresponding to FS of quantum many-body Hamiltonians. We verify the effectiveness of this method by examining the analytically tractable models, namely a nearest-neighbor (NN) quantum transverse XY model with additional Kaplan-Shekhtman-Entin-Aharony interactions, for which the FS is well-known. We construct an accurate expression for the FS of the XYZ model by providing the parameter set through the SR algorithm in which the ground state is derived by matrix product state formalism. With a satisfactory level of accuracy, we estimate the FS for the long-range XY model, and the NN XY model with Dzyaloshinskii-Moriya type asymmetric interaction for which the factorization surface is not known.
- Abstract（参考訳）: 量子多体系の絡み合いは様々な量子情報処理に必要であり、基底状態が完全に分離可能なパラメータ空間を同定することが決定的に重要である。
それでも、いくつかの量子スピンモデルに対するFSを示すチューニングパラメータは未知のままである。
我々は、教師付き学習手法である記号回帰(SR)を用いて、量子多体ハミルトニアンのFSに対応するパラメータ状態における閉形式表現を決定する。
本手法の有効性は, FS がよく知られている Kaplan-Shekhtman-Entin-Aharony 相互作用を付加した NN 量子超越XY モデルを用いて, 解析的に抽出可能なモデルを検証することによって検証する。
我々は,XYZモデルのFSに対して,基底状態が行列積状態形式によって導出されるSRアルゴリズムによって設定されたパラメータを提供することにより,正確な表現を構築する。
精度の良好なレベルで、長距離XYモデルのFSと、分解面が不明なジアロシンスキー-モリヤ型非対称相互作用を持つNN XYモデルを推定する。
関連論文リスト
- Collisional thermometry for Gaussian systems [0.0]
ガウス系を用いた量子温度測定に基づく衝突モデルについて検討する。
これらのスキームの鍵となる疑問は、量子フィッシャー情報(QFI)のスケーリングとアンシラの数に関するものである。
ここでは、QFIのスケーリングを任意の大きさで評価できるガウス衝突モデルに焦点を当てる。
論文 参考訳（メタデータ） (2024-05-20T13:54:25Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳（メタデータ） (2023-04-08T07:55:36Z) - Machine Learning Aided Dimensionality Reduction towards a Resource
Efficient Projective Quantum Eigensolver [0.0]
近年,分子系の基底状態エネルギーを計算するためのエレガントな手法として,PQE (Projective Quantum Eigensolver) が提案されている。
我々は、この2つのパラメータの集合的相互作用を機械学習技術を用いて利用し、相乗的相互関係を導出した。
論文 参考訳（メタデータ） (2023-03-20T16:49:56Z) - Symmetric Pruning in Quantum Neural Networks [111.438286016951]
量子ニューラルネットワーク(QNN)は、現代の量子マシンの力を発揮する。
ハンドクラフト対称アンサーゼを持つQNNは、一般に非対称アンサーゼを持つものよりも訓練性が高い。
本稿では,QNNのグローバル最適収束を定量化するために,実効量子ニューラルネットワークカーネル(EQNTK)を提案する。
論文 参考訳（メタデータ） (2022-08-30T08:17:55Z) - Investigation of the Behavior of Quantum Coherence in Quantum Phase
Transitions of Two-Dimensional XY and Ising Models [0.0]
2次元ハイゼンベルクXYモデルと2次元イジングモデルの2次元格子上の横磁場による基底状態の量子コヒーレンス挙動について検討する。
臨界点近傍の量子コヒーレンスの非解析的挙動は、これらのモデルの量子相転移(QPT)を検出することができることを示す。
論文 参考訳（メタデータ） (2022-07-30T07:47:02Z) - Calculating non-linear response functions for multi-dimensional
electronic spectroscopy using dyadic non-Markovian quantum state diffusion [68.8204255655161]
本稿では,分子集合体の多次元電子スペクトルと電子励起を結合した構造環境下でのシミュレーション手法を提案する。
このアプローチの重要な側面は、NMQSD方程式を2重系ヒルベルト空間で伝播するが、同じ雑音を持つことである。
論文 参考訳（メタデータ） (2022-07-06T15:30:38Z) - Counting Phases and Faces Using Bayesian Thermodynamic Integration [77.34726150561087]
本稿では,2パラメータ統計力学系における熱力学関数と位相境界の再構成手法を提案する。
提案手法を用いて,IsingモデルとTASEPの分割関数と位相図を正確に再構成する。
論文 参考訳（メタデータ） (2022-05-18T17:11:23Z) - Fermionic approach to variational quantum simulation of Kitaev spin
models [50.92854230325576]
キタエフスピンモデルは、自由フェルミオンへの写像を通じて、あるパラメータ状態において正確に解けることで知られている。
古典的なシミュレーションを用いて、このフェルミオン表現を利用する新しい変分アンザッツを探索する。
また、量子コンピュータ上での非アベリアオンをシミュレートするための結果の意味についてもコメントする。
論文 参考訳（メタデータ） (2022-04-11T18:00:01Z) - Detection of unbroken phase of non-Hermitian system via Hermitian
factorization surface [0.0]
従来の量子論では、1次元の量子スピンモデルは基底状態が完全に分離可能な分解曲面を持つ。
因子化曲面は非エルミート模型の未破壊位相を規定するが、例外点における二部体近傍の絡み合いは消滅しないことを示す。
論文 参考訳（メタデータ） (2021-06-22T17:14:59Z) - Chaos and Complexity from Quantum Neural Network: A study with Diffusion
Metric in Machine Learning [0.0]
量子ニューラルネットワーク(QNN)の機械学習力学における量子カオス現象と複雑性について検討する。
統計的および微分幾何学的手法を用いてQNNの学習理論を研究する。
論文 参考訳（メタデータ） (2020-11-16T10:41:47Z) - 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。