論文の概要: Universal Performance Gap of Neural Quantum States Applied to the Hofstadter-Bose-Hubbard Model
- arxiv url: http://arxiv.org/abs/2405.01981v1
- Date: Fri, 3 May 2024 10:18:35 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-06 13:15:51.329697
- Title: Universal Performance Gap of Neural Quantum States Applied to the Hofstadter-Bose-Hubbard Model
- Title（参考訳）: Hofstadter-Bose-Hubbardモデルに応用したニューラル量子状態の普遍的性能ギャップ
- Authors: Eimantas Ledinauskas, Egidijus Anisimovas,
- Abstract要約: 本研究では,Hofstadter-Bose-Hubbard (HBH)モデルの基底状態の近似におけるNQSの性能について検討した。
以上の結果から,磁束の増大はエネルギー誤差を最大3桁に増加させることが示唆された。
- 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: Neural Quantum States (NQS) have demonstrated significant potential in approximating ground states of many-body quantum systems, though their performance can be inconsistent across different models. This study investigates the performance of NQS in approximating the ground state of the Hofstadter-Bose-Hubbard (HBH) model, a boson system on a two-dimensional square lattice with a perpendicular magnetic field. Our results indicate that increasing magnetic flux leads to a substantial increase in energy error, up to three orders of magnitude. Importantly, this decline in NQS performance is consistent across different optimization methods, neural network architectures, and physical model parameters, suggesting a fundamental challenge intrinsic to the model. Despite investigating potential causes such as wave function phase structure, quantum entanglement, fractional quantum Hall effect, and the variational loss landscape, the precise reasons for this degradation remain elusive. The HBH model thus proves to be an effective testing ground for exploring the capabilities and limitations of NQS. Our study highlights the need for advanced theoretical frameworks to better understand the expressive power of NQS which would allow a systematic development of methods that could potentially overcome these challenges.
- Abstract（参考訳）: ニューラル量子状態(NQS)は、多体量子系の基底状態を近似する大きな可能性を証明しているが、それらの性能は異なるモデル間で矛盾する可能性がある。
本研究では,垂直磁場を持つ2次元正方格子上のボソン系であるホフスタッター・ボース・ハバード(HBH)モデルの基底状態の近似におけるNQSの性能について検討した。
以上の結果から,磁束の増大はエネルギー誤差を最大3桁に増加させることが示唆された。
重要な点として、NQSパフォーマンスの低下は、さまざまな最適化方法、ニューラルネットワークアーキテクチャ、物理モデルパラメータに一貫性があり、モデル固有の根本的な課題が示唆されている。
波動関数相構造、量子絡み合い、分数量子ホール効果、変分損失景観などの潜在的な原因を調査するが、この劣化の正確な原因は解明されていない。
したがって、HBHモデルはNQSの能力と限界を探索するための効果的な試験場であることが証明される。
本研究は,これらの課題を克服可能な手法の体系的開発を可能にするため,NQSの表現力をよりよく理解するための高度な理論的枠組みの必要性を強調した。
関連論文リスト
- Neural Quantum State Study of Fracton Models [3.8068573698649826]
フラクトン模型は3次元以上の非伝統的な位相秩序を包含する。
これらのモデルにおける相転移を研究するための新しいツールとして、ニューラル量子状態(NQS)を確立する。
本研究は,複雑な3次元問題の研究におけるNQSの顕著な可能性を示すものである。
論文 参考訳（メタデータ） (2024-06-17T15:58:09Z) - GQHAN: A Grover-inspired Quantum Hard Attention Network [53.96779043113156]
GQHAM(Grover-inspired Quantum Hard Attention Mechanism)を提案する。
GQHANは、既存の量子ソフト自己保持機構の有効性を超越して、非微分可能性ハードルをかなり上回っている。
GQHANの提案は、将来の量子コンピュータが大規模データを処理する基盤を築き、量子コンピュータビジョンの開発を促進するものである。
論文 参考訳（メタデータ） (2024-01-25T11:11:16Z) - Dynamical mean-field theory for the Hubbard-Holstein model on a quantum
device [0.0]
本稿では,IBM 27-qubit Quantum Falcon Processor Kawasaki上でのHubbard-Holsteinモデルに対する動的平均場理論(DMFT)不純物問題の解法について報告する。
これにより、周波数依存相互作用を伴うボゾン自由度と不純物問題に結合した強い相関電子系を研究できる可能性が開ける。
論文 参考訳（メタデータ） (2023-01-05T00:36:21Z) - 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) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳（メタデータ） (2022-11-09T21:43:16Z) - Theory of Quantum Generative Learning Models with Maximum Mean
Discrepancy [67.02951777522547]
量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。
まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。
次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
論文 参考訳（メタデータ） (2022-05-10T08:05:59Z) - Infinite Neural Network Quantum States: Entanglement and Training
Dynamics [1.0878040851638]
我々は、アンサンブル統計による表現力を示すニューラルネットワーク量子状態(infty$-NNQS)の無限限界について研究する。
ニューラルネットワーク量子状態の勾配降下ダイナミクスを研究するための一般的なフレームワークを開発した。
$infty$-NNQSは、他の物理学応用における絡み合いの研究とトレーニングの新たな機会を開く。
論文 参考訳（メタデータ） (2021-12-01T18:57:17Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳（メタデータ） (2020-10-20T12:06:27Z) - On the learnability of quantum neural networks [132.1981461292324]
本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。
また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
論文 参考訳（メタデータ） (2020-07-24T06:34:34Z) - Variational Quantum Eigensolver for Frustrated Quantum Systems [0.0]
変分量子固有解法(VQE)は、量子ハミルトニアンによって指定されたエネルギーランドスケープにおける大域最小値を決定するように設計されている。
本稿では、1次元のフェルミオン連鎖を記述するハバード様モデルに対するVQE手法の性能について考察する。
また、ハミルトニアンに対するバレンプラトー現象の研究を行い、この効果の重大性はフェルミオンの量子ビットへの符号化に依存することを示した。
論文 参考訳（メタデータ） (2020-05-01T18:00:01Z)
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。