論文の概要: Probably the simplest and cheapest quantum Monte Carlo method so far for extracting high-precision entanglement entropy and its derivative
- arxiv url: http://arxiv.org/abs/2406.05324v1
- Date: Sat, 8 Jun 2024 02:27:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-11 20:24:20.069955
- Title: Probably the simplest and cheapest quantum Monte Carlo method so far for extracting high-precision entanglement entropy and its derivative
- Title(参考訳): おそらく最もシンプルで安価なモンテカルロ法による高精度エンタングルメントエントロピーとその誘導体の抽出法
- Authors: Zhe Wang, Zhiyan Wang, Yi-Ming Ding, Bin-Bin Mao, Zheng Yan,
- Abstract要約: 量子多体系の内在物理学を探索するための絡み合いエントロピー(EE)は重要だが挑戦的なトピックである。
QMCベースのEEのためのアルゴリズムは、設計レベルでますます複雑になる。
本稿では,EEとその誘導体を高精度に抽出できる簡易QMC方式を提案する。
- 参考スコア(独自算出の注目度): 5.671578795886005
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Measuring entanglement entropy (EE) to probe the intrinsic physics of quantum many-body systems is an important but challenging topic in condensed matter, high energy and computational physics. Designing quantum Monte Carlo (QMC) algorithm to obtain the R\'enyi EE is a promising solution in large-scale many-body systems. However, to gain high-precision EE, the QMC-based algorithm for EE becomes more and more complex at the designing level. The entangled region needs being changed during the QMC simulation, and the detailed balance condition becomes more complicated. Moreover, the intermediately incremental processes introduced cannot be exploited neither. In this paper, we propose a simple QMC scheme able to extract EE and its derivative with high-precision, which requires neither changing replica manifold during the simulation nor adding extra detailed balance conditions. All the values measured in the incremental process are the EE under physical parameters, which greatly improves the efficiency. It opens an access to numerically probe the novel phases and phase transitions by scanning EE in a wide parameter-region in 2D and higher dimensional systems. The method has low-technical barrier and is natural for parallel computing. Our algorithm makes it no longer a dream to calculate a large amount of high-precision EE values without complicated techniques and huge computational cost.
- Abstract(参考訳): 量子多体系の内在物理学を探索するために絡み合いエントロピー(EE)を測定することは、凝縮物質、高エネルギー、計算物理学において重要であるが難しいトピックである。
R'enyi EEを得るために量子モンテカルロ (QMC) アルゴリズムを設計することは、大規模多体システムにおいて有望な解である。
しかし、高精度なEEを得るためには、QMCベースのEEのアルゴリズムは設計レベルでますます複雑になる。
QMCシミュレーション中に絡み合った領域を変更する必要があり、詳細なバランス条件がより複雑になる。
さらに、導入された中間段階的なプロセスも利用できない。
本稿では、シミュレーション中にレプリカ多様体を変更したり、余分な詳細バランス条件を加えたりすることなく、EEとそのデリバティブを高精度に抽出できる簡単なQMCスキームを提案する。
インクリメンタルなプロセスで測定されるすべての値は、物理的パラメータの下でのEEであり、効率を大幅に改善します。
2次元および高次元系の広いパラメータ領域でEEを走査することで、新しい位相と位相遷移を数値的に探索するアクセスを開放する。
この手法は低技術障壁を持ち、並列計算には自然である。
我々のアルゴリズムは、複雑な技術と膨大な計算コストを伴わずに大量の高精度EE値を計算することがもはや夢ではない。
関連論文リスト
- Joint Transmit and Pinching Beamforming for PASS: Optimization-Based or Learning-Based? [89.05848771674773]
MISO (Multiple-input Single-output) フレームワークを提案する。
それは複数の導波路で構成されており、多数の低コストアンテナ(PA)を備えている。
PAの位置は、大規模パスと空間の両方にまたがるように再構成することができる。
論文 参考訳(メタデータ) (2025-02-12T18:54:10Z) - Probing phase transition and underlying symmetry breaking via entanglement entropy scanning [5.35248594987918]
エンタングルメントエントロピー(EE)を用いて、量子多体系における新しい相と相転移の内在物理学を探索することは、凝縮物質物理学において重要であるが挑戦的なトピックである。
新たに開発したバイパルタイト・アニール法により,2次元強相関系の第1および第2次相転移点付近のEE挙動を系統的に研究することができる。
論文 参考訳(メタデータ) (2024-09-16T02:34:36Z) - D4FT: A Deep Learning Approach to Kohn-Sham Density Functional Theory [79.50644650795012]
コーンシャム密度汎関数論(KS-DFT)を解くための深層学習手法を提案する。
このような手法はSCF法と同じ表現性を持つが,計算複雑性は低下する。
さらに,本手法により,より複雑なニューラルベース波動関数の探索が可能となった。
論文 参考訳(メタデータ) (2023-03-01T10:38:10Z) - Stochastic optimal transport in Banach Spaces for regularized estimation
of multivariate quantiles [0.0]
絶対連続確率測度$mu$と$nu$の間のエントロピー最適輸送(EOT)を解く新しいアルゴリズムを提案する。
無限次元バナッハ空間でその値を取るアルゴリズムのほぼ確実に収束について研究する。
論文 参考訳(メタデータ) (2023-02-02T10:02:01Z) - Entropic Neural Optimal Transport via Diffusion Processes [105.34822201378763]
本稿では,連続確率分布間のエントロピー最適輸送(EOT)計画を計算するための新しいアルゴリズムを提案する。
提案アルゴリズムは,シュリンガーブリッジ問題(Schr"odinger Bridge problem)として知られるEOTの動的バージョンのサドル点再構成に基づく。
大規模EOTの従来の手法とは対照的に,我々のアルゴリズムはエンドツーエンドであり,単一の学習ステップで構成されている。
論文 参考訳(メタデータ) (2022-11-02T14:35:13Z) - Gradient-descent quantum process tomography by learning Kraus operators [63.69764116066747]
離散および連続変数の量子システムに対して量子プロセストモグラフィー(QPT)を行う。
我々は、クラウス作用素を得るために、最適化中にいわゆるスティーフェル多様体に対して制約付き勾配-退化(GD)アプローチを用いる。
GD-QPTは、2量子ランダムプロセスを持つベンチマークにおいて、圧縮センシング(CS)と投影最小二乗QPT(PLS)の両方のパフォーマンスと一致する。
論文 参考訳(メタデータ) (2022-08-01T12:48:48Z) - Information Entropy Initialized Concrete Autoencoder for Optimal Sensor
Placement and Reconstruction of Geophysical Fields [58.720142291102135]
そこで本稿では,スパーク計測による地場再構成のためのセンサ配置の最適化について提案する。
本研究では, (a) 温度と (b) バレンツ海周辺の塩分濃度場とスバルバルド諸島群を例に示す。
得られた最適センサ位置は, 物理的解釈が明確であり, 海流の境界に対応することが判明した。
論文 参考訳(メタデータ) (2022-06-28T12:43:38Z) - Manifold learning-based polynomial chaos expansions for high-dimensional
surrogate models [0.0]
システム記述における不確実性定量化(UQ)のための多様体学習に基づく手法を提案する。
提案手法は高精度な近似を達成でき、UQタスクの大幅な高速化につながる。
論文 参考訳(メタデータ) (2021-07-21T00:24:15Z) - Scalable Variational Gaussian Processes via Harmonic Kernel
Decomposition [54.07797071198249]
汎用性を維持しつつ高い忠実度近似を提供する,スケーラブルな変分ガウス過程近似を導入する。
様々な回帰問題や分類問題において,本手法は変換やリフレクションなどの入力空間対称性を活用できることを実証する。
提案手法は, 純粋なGPモデルのうち, CIFAR-10 の最先端化を実現する。
論文 参考訳(メタデータ) (2021-06-10T18:17:57Z) - Large gradients via correlation in random parameterized quantum circuits [0.0]
コスト関数ランドスケープにおける指数関数的に消失する勾配の存在は、勾配降下法による最適化の障害となる。
パラメータ空間の次元性を減少させることで、消滅する勾配現象を回避できることを示す。
論文 参考訳(メタデータ) (2020-05-25T16:15:53Z) - Discrete truncated Wigner approach to dynamical phase transitions in
Ising models after a quantum quench [0.0]
量子クエンチ後の横フィールドイジングモデルの定常状態における動的相転移について検討する。
我々は$alpha lesssim 0.5$の同じ指数を見つけ、この状態の動的遷移が非エルゴード平均場極限と同じ普遍性クラスに該当することを示唆する。
論文 参考訳(メタデータ) (2020-04-21T08:20:15Z)
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。