論文の概要: Emergence of global receptive fields capturing multipartite quantum correlations
- arxiv url: http://arxiv.org/abs/2408.13033v1
- Date: Fri, 23 Aug 2024 12:45:40 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-26 15:10:31.013078
- Title: Emergence of global receptive fields capturing multipartite quantum correlations
- Title(参考訳): 多部量子相関を捉える大域受容場の創発
- Authors: Oleg M. Sotnikov, Ilia A. Iakovlev, Evgeniy O. Kiktenko, Mikhail I. Katsnelson, Aleksey K. Fedorov, Vladimir V. Mazurenko,
- Abstract要約: 量子物理学において、波動関数レベルで明確に定義された構造を持つ単純なデータでさえ、非常に複雑な相関によって特徴づけられる。
量子統計学を学習しながら、ニューラルネットワークの重み空間をモニタリングすることで、複雑な多部パターンに関する物理的直観を発達させることができることを示す。
この結果から,非局所パターンを用いたデータ処理のための畳み込みニューラルネットワークの構築について,新たな知見が得られた。
- 参考スコア(独自算出の注目度): 0.565473932498362
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In quantum physics, even simple data with a well-defined structure at the wave function level can be characterized by extremely complex correlations between its constituent elements. The inherent non-locality of the quantum correlations generally prevents one from providing their simple and transparent interpretation, which also remains a challenging problem for advanced classical techniques that approximate quantum states with neural networks. Here we show that monitoring the neural network weight space while learning quantum statistics from measurements allows to develop physical intuition about complex multipartite patterns and thus helps to construct more effective classical representations of the wave functions. Particularly, we observe the formation of distinct global convolutional structures, receptive fields in the hidden layer of the Restricted Boltzmann Machine (RBM) within the neural quantum tomography of the highly-entangled Dicke states. On this basis we propose an exact two-parameter classical representation not only for a specific quantum wave function, but for the whole family of the N-qubit Dicke states of different entanglement. Our findings suggest a fresh look at constructing convolutional neural networks for processing data with non-local patterns and pave the way for developing exact learning-based representations of entangled quantum states.
- Abstract(参考訳): 量子物理学において、波動関数レベルで明確に定義された構造を持つ単純なデータでさえ、その構成要素間の非常に複雑な相関によって特徴づけられる。
量子相関の固有の非局所性は、一般に単純で透明な解釈を提供することを防ぎ、ニューラルネットワークと量子状態を近似する先進的な古典的手法においても難しい問題である。
ここでは、測定から量子統計学を学習しながら、ニューラルネットワークの重み空間をモニタリングすることにより、複雑な多部パターンに関する物理的直観を発達させ、波動関数のより効率的な古典的表現を構築するのに役立つことを示す。
特に,高度に絡み合ったディック状態の量子トモグラフィーにおいて,制限ボルツマンマシン (RBM) の隠蔽層における受容場である,異なる大域的畳み込み構造の形成を観察する。
この基礎から、特定の量子波動関数だけでなく、異なる絡み合いを持つN量子ビットディック状態の全族に対して、正確に2パラメータの古典表現を提案する。
本研究は,非局所パターンを用いたデータ処理のための畳み込みニューラルネットワークの構築と,絡み合った量子状態の正確な学習ベース表現の開発方法について,新たな考察を行うことを示唆する。
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) - Neural Quantum States in Variational Monte Carlo Method: A Brief Summary [0.0]
スピン系に対するニューラル量子状態に基づく変分モンテカルロ法について概説する。
ニューラルネットワークは、比較的小さな計算資源を持つ比較的複雑な波動関数を表現できる。
量子状態トモグラフィでは、神経量子状態の表現法はすでに大きな成果を上げている。
論文 参考訳(メタデータ) (2024-06-03T05:55:55Z) - 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) - The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for
Deep Quantum Machine Learning [52.77024349608834]
古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。
鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。
我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
論文 参考訳(メタデータ) (2022-12-22T16:06:24Z) - 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) - Using (1 + 1)D Quantum Cellular Automata for Exploring Collective
Effects in Large Scale Quantum Neural Networks [0.0]
量子パーセプトロンとニューラルネットワークが情報を処理する方法に対する量子効果の影響について検討する。
我々は、コヒーレントなハミルトン進化に関連するような量子効果の導入を可能にする量子ゲートのクラスを利用する。
量子効果が変化するときの臨界行動の変化を同定し、大規模ニューラルネットワークにおける情報処理の根底にある集合的動的挙動に実際に影響を及ぼすことを示す。
論文 参考訳(メタデータ) (2022-07-24T17:10:12Z) - The Hintons in your Neural Network: a Quantum Field Theory View of Deep
Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。
ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文 参考訳(メタデータ) (2021-03-08T17:24:29Z) - Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。
演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文 参考訳(メタデータ) (2021-01-21T22:18:49Z) - Learning the ground state of a non-stoquastic quantum Hamiltonian in a
rugged neural network landscape [0.0]
ニューラルネットワークに基づく普遍的変動波動関数のクラスについて検討する。
特に,本稿では,ニューラルネットワークの表現率とモンテカルロサンプリングが一次制限因子ではないことを示す。
論文 参考訳(メタデータ) (2020-11-23T05:25:47Z) - Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。
我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文 参考訳(メタデータ) (2019-12-31T07:40:23Z)
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。