論文の概要: Configuration Interaction Guided Sampling with Interpretable Restricted Boltzmann Machine

• arxiv url: http://arxiv.org/abs/2409.06146v2
• Date: Tue, 17 Jun 2025 01:11:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-18 17:34:59.04161
• Title: Configuration Interaction Guided Sampling with Interpretable Restricted Boltzmann Machine
• Title（参考訳）: 解釈可能な制限ボルツマンマシンによる構成相互作用誘導サンプリング
• Authors: Jorge I. Hernandez-Martinez, Andres Mendez-Vazquez, Gerardo Rodriguez-Hernandez, Sandra Leticia Juárez-Osorio,
• Abstract要約: 本研究では,制限ボルツマンマシン (RBM) を用いたデータ駆動型手法を提案し,構成空間におけるシュリンガー方程式の解法を提案する。 提案手法は, 効率と収束性を高めるためにタブーリスト戦略を組み込むことにより, RBMのような生成モデルの利用を拡大する。
• 参考スコア（独自算出の注目度）: 1.0470286407954037
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a data-driven approach using a Restricted Boltzmann Machine (RBM) to solve the Schr\"odinger equation in configuration space. Traditional Configuration Interaction (CI) methods construct the wavefunction as a linear combination of Slater determinants, but this becomes computationally expensive due to the factorial growth in the number of configurations. Our approach extends the use of a generative model such as the RBM by incorporating a taboo list strategy to enhance efficiency and convergence. The RBM is used to efficiently identify and sample the most significant determinants, thus accelerating convergence and substantially reducing computational cost. This method achieves up to 99.99% of the correlation energy while using up to four orders of magnitude fewer determinants compared to full CI calculations and up to two orders of magnitude fewer than previous state of the art methods. Beyond efficiency, our analysis reveals that the RBM learns electron distributions over molecular orbitals by capturing quantum patterns that resemble Radial Distribution Functions (RDFs) linked to molecular bonding. This suggests that the learned pattern is interpretable, highlighting the potential of machine learning for explainable quantum chemistry
• Abstract（参考訳）: 本研究では,制限ボルツマンマシン (RBM) を用いたデータ駆動型手法を提案し,構成空間におけるシュリンガー方程式の解法を提案する。 従来の構成相互作用(CI)法は、スレーター行列式の線形結合として波動関数を構成するが、構成数の因子的増加により計算コストがかかる。 提案手法は, 効率と収束性を高めるためにタブーリスト戦略を組み込むことにより, RBMのような生成モデルの利用を拡大する。 RBMは、最も重要な行列式を効率的に同定し、サンプリングするために使われ、収束を加速し、計算コストを大幅に削減する。 この方法は、最大99.99%の相関エネルギーを達成し、全CI計算よりも最大4桁少ない行列式と、従来の最先端法よりも最大2桁少ない相関式を用いる。 我々の分析では、RBMが分子軌道上の電子分布を、分子結合と結びついた放射分布関数(RDF)に似た量子パターンを捉えて学習していることが判明した。 このことは、学習パターンが解釈可能であることを示唆し、説明可能な量子化学における機械学習の可能性を強調している。

関連論文リスト

• Reduced Basis Method for Driven-Dissipative Quantum Systems [0.0]
  強相関量子系の位相図を、駆動散逸型マルコフ系に一般化することができることを示す。 その後の還元基底ベクトルの分散による蒸留により、熱力学極限における位相境界を示す最も顕著なパラメータ依存の非バイアスな探索が可能となる。
  論文  参考訳（メタデータ） (2025-05-08T17:53:23Z)
• Compactifying Electronic Wavefunctions I: Error-Mitigated Transcorrelated DMRG [0.0]
  Error-Mitigated Transcorrelated DMRG (EMTC-DMRG) について紹介する。 従来の手法を統合し、精度と効率を向上させることで課題を克服する古典的な変分アルゴリズムである。 二次元超相関フェルミ-ハッバードモデルの基底状態エネルギーを決定する際の計算効率と精度を著しく向上させる。
  論文  参考訳（メタデータ） (2025-03-01T21:34:00Z)
• Computing Quantum Resources using Tensor Cross Interpolation [0.0]
  本稿では,この課題に対処するために,クロス補間(TCI)アルゴリズムのファミリに基づく一般的な手順を提案する。 我々は1次元および2次元強磁性イジングモデルを考慮した非安定化器性 R'enyi entropy (SRE) と Relative Entropy of Coherence (REC) を計算した。 この手法はその汎用性を示すだけでなく、複雑なシステムにおいて他の量子情報量化器を探索するための一般的なフレームワークも提供する。
  論文  参考訳（メタデータ） (2025-02-10T19:00:24Z)
• Integrating Machine Learning and Quantum Circuits for Proton Affinity Predictions [0.0]
  ガス相では、陽子親和性(PA)測定により陽子生成部位が決定される。 機械学習(ML)モデルと組み合わせて,複数記述子を用いてPA予測を高速かつ高精度に行う手法を開発した。 その結果,R2は0.96,MAEは2.47kcal/mol,MAEは2.47kcal/molであった。
  論文  参考訳（メタデータ） (2024-11-26T20:13:56Z)
• Downlink MIMO Channel Estimation from Bits: Recoverability and Algorithm [47.7091447096969]
  主な課題は、ユーザ機器(UE)からの限られたフィードバックから基地局(BS)のダウンリンクチャネル状態情報(CSI)を取得することである。 本稿では、UE側で圧縮とガウスディザリングに基づく量子化戦略を採用し、BS側で最大極大推定器(MLE)を定式化する単純なフィードバックフレームワークを提案する。 このアルゴリズムは、高次高調波探索(HR)ソルバをサブルーチンとして統合するために慎重に設計されており、この難しいMLE問題に効果的に取り組む鍵であることが判明した。
  論文  参考訳（メタデータ） (2024-11-25T02:15:01Z)
• Bellman Diffusion: Generative Modeling as Learning a Linear Operator in the Distribution Space [72.52365911990935]
  本稿では,MDPの線形性を維持する新しいDGMフレームワークであるBellman Diffusionを紹介する。 この結果から,ベルマン拡散は分布RLタスクにおける従来のヒストグラムベースベースラインよりも1.5倍高速に収束し,精度の高い画像生成装置であることがわかった。
  論文  参考訳（メタデータ） (2024-10-02T17:53:23Z)
• Predicting Probabilities of Error to Combine Quantization and Early Exiting: QuEE [68.6018458996143]
  本稿では,量子化と早期出口動的ネットワークを組み合わせたより一般的な動的ネットワークQuEEを提案する。 我々のアルゴリズムは、ソフトアーリーエグジットや入力依存圧縮の一形態と見なすことができる。 提案手法の重要な要素は、さらなる計算によって実現可能な潜在的な精度向上の正確な予測である。
  論文  参考訳（メタデータ） (2024-06-20T15:25:13Z)
• Projective Quantum Eigensolver via Adiabatically Decoupled Subsystem Evolution: a Resource Efficient Approach to Molecular Energetics in Noisy Quantum Computers [0.0]
  我々は,ノイズ中間スケール量子(NISQ)ハードウェアを用いて,分子系の基底状態エネルギーを正確に計算することを目的とした射影形式を開発した。 本研究では,将来の耐故障システムにおいて,必要な精度を同時に確保しながら,ノイズ下での優れた性能を示す。
  論文  参考訳（メタデータ） (2024-03-13T13:27:40Z)
• Balancing error budget for fermionic k-RDM estimation [0.0]
  本研究の目的は、量子コンピューティングにおける高次RDM推定の課題を引き起こす様々な誤差制約を最小化することである。 我々は,高次RDM推定における統計的誤差と系統的誤差の最適バランスを,特に累積展開を用いてサンプルの複雑性を抑える際に同定する。
  論文  参考訳（メタデータ） (2023-12-29T03:31:39Z)
• 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)
• Monte Carlo Neural PDE Solver for Learning PDEs via Probabilistic Representation [59.45669299295436]
  教師なしニューラルソルバのトレーニングのためのモンテカルロPDEソルバを提案する。 我々は、マクロ現象をランダム粒子のアンサンブルとみなすPDEの確率的表現を用いる。 対流拡散, アレン・カーン, ナヴィエ・ストークス方程式に関する実験により, 精度と効率が著しく向上した。
  論文  参考訳（メタデータ） (2023-02-10T08:05:19Z)
• Exploring Parameter Redundancy in the Unitary Coupled-Cluster Ansatze for Hybrid Variational Quantum Computing [5.9640499950316945]
  標準UCCアンサーゼのパラメータの数は、システムサイズに関して好ましくないスケーリングを示している。 UCCアンサーゼのいくつかの変種を、より優れたスケーリングで提案する試みがなされている。 本稿では,一元結合クラスタシングルとダブルの合成におけるパラメータ冗長性について検討する。
  論文  参考訳（メタデータ） (2023-01-24T05:36:37Z)
• 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)
• Numerical Simulations of Noisy Quantum Circuits for Computational Chemistry [51.827942608832025]
  短期量子コンピュータは、小さな分子の基底状態特性を計算することができる。 計算アンサッツの構造と装置ノイズによる誤差が計算にどのように影響するかを示す。
  論文  参考訳（メタデータ） (2021-12-31T16:33:10Z)
• Accurate methods for the analysis of strong-drive effects in parametric gates [94.70553167084388]
  正確な数値と摂動解析手法を用いて効率的にゲートパラメータを抽出する方法を示す。 我々は,$i$SWAP, Control-Z, CNOT など,異なる種類のゲートに対する最適操作条件を同定する。
  論文  参考訳（メタデータ） (2021-07-06T02:02:54Z)
• Using Restricted Boltzmann Machines to Model Molecular Geometries [0.0]
  本稿では,ボルツマンマシンの高速学習能力と表現力を利用して,物理パラメータ群をモデル化するための新しい手法を提案する。 本稿では,Tanhアクティベーション機能に基づく新しいRBMについて紹介し,異なるアクティベーション機能を有するRBMの比較を行う。 我々は、水やエタンなどの小さな分子をモデル化するガウスRBMの能力を示す。
  論文  参考訳（メタデータ） (2020-12-13T07:02:32Z)
• Fully Quantized Image Super-Resolution Networks [81.75002888152159]
  効率と精度を両立させるためのフル量子化画像超解像フレームワーク(FQSR)を提案する。 我々は、SRResNet、SRGAN、EDSRを含む複数の主流超解像アーキテクチャに量子化スキームを適用した。 低ビット量子化を用いたFQSRは、5つのベンチマークデータセットの完全精度と比較すると、パー性能で実現できる。
  論文  参考訳（メタデータ） (2020-11-29T03:53:49Z)
• Exact representations of many body interactions with RBM neural networks [77.34726150561087]
  我々は、RBMの表現力を利用して、多体接触相互作用を1体演算子に正確に分解する。 この構成は、ハバードモデルでよく知られたヒルシュの変換を、核物理学におけるピオンレスFTのようなより複雑な理論に一般化する。
  論文  参考訳（メタデータ） (2020-05-07T15:59:29Z)
• Quantum annealing approach to Ionic Diffusion in Solid [0.0]
  既存の手法では、物理的に非現実的なモデルの場合、相関係数を解析的にしか計算できない。 我々はこの問題をイジング・ハミルトンによって記述された量子スピン系にマッピングした。 我々は,様々な計算手法を用いて,その相関係数を既知の正確な結果を持つ単純なケースで計算した。
  論文  参考訳（メタデータ） (2019-12-31T10:06:40Z)

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。