論文の概要: A Python GPU-accelerated solver for the Gross-Pitaevskii equation and applications to many-body cavity QED
- arxiv url: http://arxiv.org/abs/2404.14401v2
- Date: Tue, 23 Apr 2024 17:37:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-24 12:43:32.139971
- Title: A Python GPU-accelerated solver for the Gross-Pitaevskii equation and applications to many-body cavity QED
- Title（参考訳）: Gross-Pitaevskii方程式に対するPython GPU加速解法と多体空洞QEDへの応用
- Authors: Lorenzo Fioroni, Luca Gravina, Justyna Stefaniak, Alexander Baumgärtner, Fabian Finger, Davide Dreon, Tobias Donner,
- Abstract要約: TorchGPEはGross-Pitaevskii方程式(GPE)を解くために開発された汎用Pythonパッケージである。
この解法は線形ポテンシャルと非線形ポテンシャルのスペクトルにわたって波動関数を統合するように設計されている。
- 参考スコア（独自算出の注目度）: 36.136619420474766
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: TorchGPE is a general-purpose Python package developed for solving the Gross-Pitaevskii equation (GPE). This solver is designed to integrate wave functions across a spectrum of linear and non-linear potentials. A distinctive aspect of TorchGPE is its modular approach, which allows the incorporation of arbitrary self-consistent and time-dependent potentials, e.g., those relevant in many-body cavity QED models. The package employs a symmetric split-step Fourier propagation method, effective in both real and imaginary time. In our work, we demonstrate a significant improvement in computational efficiency by leveraging GPU computing capabilities. With the integration of the latter technology, TorchGPE achieves a substantial speed-up with respect to conventional CPU-based methods, greatly expanding the scope and potential of research in this field.
- Abstract（参考訳）: TorchGPEはGross-Pitaevskii方程式(GPE)を解くために開発された汎用Pythonパッケージである。
この解法は線形ポテンシャルと非線形ポテンシャルのスペクトルにわたって波動関数を統合するように設計されている。
TorchGPEの特異な側面はモジュラーアプローチであり、任意の自己整合性および時間依存ポテンシャル、例えば多体空洞QEDモデルに関係のあるポテンシャルを組み込むことができる。
このパッケージは、実時間と虚時間の両方で有効である対称分割ステップフーリエ伝搬法を用いている。
本稿では,GPUの計算能力を活用することにより,計算効率の大幅な向上を実証する。
後者の技術の統合により、TorchGPEは従来のCPUベースの手法に比べて大幅にスピードアップし、この分野の研究範囲と可能性を大きく広げる。
関連論文リスト
- AdaLog: Post-Training Quantization for Vision Transformers with Adaptive Logarithm Quantizer [54.713778961605115]
Vision Transformer (ViT) はコンピュータビジョンコミュニティにおいて最も普及しているバックボーンネットワークの1つである。
本稿では,AdaLog(Adaptive Logarithm AdaLog)量子化器を提案する。
論文 参考訳（メタデータ） (2024-07-17T18:38:48Z) - Introducing GPU-acceleration into the Python-based Simulations of Chemistry Framework [4.368931200886271]
我々はPySCFのメソッドのGPUアクセラレーションを提供するモジュールであるGPU4PySCFの最初のバージョンを紹介する。
ベンチマーク計算は、PySCFのマルチスレッドCPUHartree-Fockコードに対して、2桁の大幅な高速化を示している。
論文 参考訳（メタデータ） (2024-07-12T21:50:19Z) - Hiperwalk: Simulation of Quantum Walks with Heterogeneous High-Performance Computing [0.0]
Hiperwalkは、異種高速コンピューティングを用いた量子ウォークのシミュレーションを容易にするように設計されている。
このパッケージは、連続時間と離散時間の両方の量子ウォークモデルのシミュレーションを可能にする。
論文 参考訳（メタデータ） (2024-06-12T13:17:05Z) - Enhancing GPU-acceleration in the Python-based Simulations of Chemistry Framework [6.4347138500286665]
我々は、既存のオープンソースGPU4PySCFプロジェクトへの産業利害関係者として、当社の貢献を説明します。
我々は、密度汎関数理論(DFT)を含む他のPySCF機能にGPUアクセラレーションを統合した。
GPU4PySCFは32コアのCPUノード上で30倍のスピードアップを実現し、ほとんどのDFTタスクで約90%のコスト削減を実現している。
論文 参考訳（メタデータ） (2024-04-15T04:35:09Z) - Light Schrödinger Bridge [72.88707358656869]
我々は,軽量でシミュレーション不要で理論的に正当化されたSchr"odinger Bridgesソルバを開発した。
我々の光解法は密度推定に広く用いられているガウス混合モデルに類似している。
この類似性に着想を得て、光解法がSBの普遍近似であることを示す重要な理論的結果も証明した。
論文 参考訳（メタデータ） (2023-10-02T13:06:45Z) - Approximative lookup-tables and arbitrary function rotations for
facilitating NISQ-implementations of the HHL and beyond [6.1003703380200545]
本稿では,HHLにおける算術サブルーチンを強化する回路近似手法を提案する。
単純かつ強力な近似手法を提供することにより,これらの回路の深さを小さくすることができることを示す。
論文 参考訳（メタデータ） (2023-06-08T08:22:41Z) - Batch-efficient EigenDecomposition for Small and Medium Matrices [65.67315418971688]
EigenDecomposition (ED)は多くのコンピュータビジョンアルゴリズムとアプリケーションの中心にある。
本稿では,コンピュータビジョンの応用シナリオに特化したQRベースのED手法を提案する。
論文 参考訳（メタデータ） (2022-07-09T09:14:12Z) - An Adaptive Device-Edge Co-Inference Framework Based on Soft
Actor-Critic [72.35307086274912]
高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。
本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。
レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
論文 参考訳（メタデータ） (2022-01-09T09:31:50Z) - Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。
問題の大きさと問題グラフの次数で指数関数的に増大する。
これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
論文 参考訳（メタデータ） (2022-01-06T21:02:30Z) - Parallel time integration using Batched BLAS (Basic Linear Algebra
Subprograms) routines [0.0]
量子システムの時間進化を統合するためのアプローチを提案する。
我々は、グラフィックス処理ユニット(GPU)の計算能力を活用し、全ての時間ステップを並列に統合する。
論文 参考訳（メタデータ） (2021-08-16T14:49:04Z)
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。