論文の概要: Uncovering Quantum Many-body Scars with Quantum Machine Learning
- arxiv url: http://arxiv.org/abs/2409.07405v1
- Date: Wed, 11 Sep 2024 16:49:07 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-12 13:41:10.316036
- Title: Uncovering Quantum Many-body Scars with Quantum Machine Learning
- Title(参考訳): 量子機械学習による量子多体スカーの発見
- Authors: Jiajin Feng, Bingzhi Zhang, Zhi-Cheng Yang, Quntao Zhuang,
- Abstract要約: 量子機械学習(特に量子畳み込みニューラルネットワーク(QCNN))のツールを使用して、量子多体システムに隠された非熱的状態を探索します。
シミュレーションにより、QCNNは、既知の全ての傷を識別する際、99%以上の単発測定精度を達成できることが示された。
我々は,xorXモデル,PXPモデル,Su-Schrieffer-Heegerモデルなどのモデルにおける新しい非熱的状態の同定に成功した。
- 参考スコア(独自算出の注目度): 3.8822047197572975
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum many-body scars are rare eigenstates hidden within the chaotic spectra of many-body systems, representing a weak violation of the eigenstate thermalization hypothesis (ETH). Identifying these scars, as well as other non-thermal states in complex quantum systems, remains a significant challenge. Besides exact scar states, the nature of other non-thermal states lacking simple analytical characterization remains an open question. In this study, we employ tools from quantum machine learning -- specifically, quantum convolutional neural networks (QCNNs), to explore hidden non-thermal states in chaotic many-body systems. Our simulations demonstrate that QCNNs achieve over 99% single-shot measurement accuracy in identifying all known scars. Furthermore, we successfully identify new non-thermal states in models such as the xorX model, the PXP model, and the far-coupling Su-Schrieffer-Heeger model. In the xorX model, some of these non-thermal states can be approximately described as spin-wave modes of specific quasiparticles. We further develop effective tight-binding Hamiltonians within the quasiparticle subspace to capture key features of these many-body eigenstates. Finally, we validate the performance of QCNNs on IBM quantum devices, achieving single-shot measurement accuracy exceeding 63% under real-world noise and errors, with the aid of error mitigation techniques. Our results underscore the potential of QCNNs to uncover hidden non-thermal states in quantum many-body systems.
- Abstract(参考訳): 量子多体傷は多体系のカオススペクトルの中に隠れた稀な固有状態であり、固有状態熱化仮説(ETH)の弱い違反を示す。
複雑な量子系の他の非熱的状態と同様に、これらの傷跡を同定することは依然として重要な課題である。
正確な不足状態の他に、単純な解析的特徴を持たない他の非熱的状態の性質は未解決の問題である。
本研究では、量子機械学習(特に量子畳み込みニューラルネットワーク(QCNN))のツールを用いて、カオス多体システムにおける隠れた非熱的状態を探索する。
シミュレーションにより、QCNNは、既知の全ての傷を識別する際、99%以上の単発測定精度を達成できることが示された。
さらに,xorXモデル,PXPモデル,Su-Schrieffer-Heegerモデルなどのモデルにおける新しい非熱的状態の同定に成功した。
xorXモデルでは、これらの非熱的状態のいくつかは、特定の準粒子のスピン波モードとして概ね記述できる。
さらに、この多体固有状態の重要な特徴を捉えるために、準粒子部分空間内で効果的な強結合ハミルトニアンを開発する。
最後に,IBM量子デバイス上でのQCNNの性能を検証し,実環境のノイズや誤差下での単発計測精度を63%以上達成し,誤差低減技術を用いて検証した。
この結果から,量子多体系における隠れた非熱的状態を明らかにするQCNNの可能性が示唆された。
関連論文リスト
- Robust Finite-Temperature Many-Body Scarring on a Quantum Computer [0.0]
無障害多体系における熱化抑制機構は注目されている。
我々は,IBMのKolkata量子プロセッサを用いて,有限温度における量子多体傷の予期せぬ堅牢性を示す。
論文 参考訳(メタデータ) (2023-09-20T18:00:01Z) - 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) - Extracting Quantum Many-Body Scarred Eigenstates with Matrix Product
States [8.02228625350421]
量子多体散乱系は、熱の海に浸漬された非熱的励起固有状態を持つ。
本稿では,DMRG-Sと呼ばれる行列生成物状態(MPS)アルゴリズムを提案する。
運動的に制約されたスピンおよびクロックモデルにおいて、正確なMPS表現を持つ新しいスカーレッド固有状態がいくつか見つかる。
論文 参考訳(メタデータ) (2022-11-09T19:00:02Z) - Prominent quantum many-body scars in a truncated Schwinger model [0.0]
量子多体傷はシュウィンガーモデルの切り裂かれたバージョンに存在することを示す。
我々の結論は、現在のコールド・アトミック・セットアップで容易に検証できる。
論文 参考訳(メタデータ) (2022-04-04T18:00:01Z) - Unsupervised detection of decoupled subspaces: many-body scars and
beyond [0.0]
量子変分オートエンコーダ(QVAE)に基づく量子インスパイアされた機械学習プラットフォームを提案する。
我々は,スカーステート上で訓練されたオートエンコーダが,入力状態と共通の特徴を共有するスカーステートのファミリー全体を検出できることを実証した。
傷跡状態のサブスペースの自動検出の可能性は、エルゴード性の弱いモデルの研究において新しい経路を開く。
論文 参考訳(メタデータ) (2022-01-18T17:48:33Z) - Extensive multipartite entanglement from su(2) quantum many-body scars [0.0]
我々は、Rydberg原子のPXPモデルにおいて、多粒子エンタングルメントのシグネチャを数値的に研究する。
以上の結果から,量子化メトロジーの資源として有意なポテンシャルを持つスカーレッド状態の多部相関構造が同定された。
論文 参考訳(メタデータ) (2021-09-20T17:56:04Z) - Hardware-Efficient, Fault-Tolerant Quantum Computation with Rydberg
Atoms [55.41644538483948]
我々は中性原子量子コンピュータにおいてエラー源の完全な特徴付けを行う。
計算部分空間外の状態への原子量子ビットの崩壊に伴う最も重要なエラーに対処する,新しい,明らかに効率的な手法を開発した。
我々のプロトコルは、アルカリ原子とアルカリ原子の両方にエンコードされた量子ビットを持つ最先端の中性原子プラットフォームを用いて、近い将来に実装できる。
論文 参考訳(メタデータ) (2021-05-27T23:29:53Z) - Towards understanding the power of quantum kernels in the NISQ era [79.8341515283403]
量子カーネルの利点は,大規模データセット,計測回数の少ないもの,システムノイズなどにおいて消失することを示した。
我々の研究は、NISQデバイス上で量子優位性を得るための先進量子カーネルの探索に関する理論的ガイダンスを提供する。
論文 参考訳(メタデータ) (2021-03-31T02:41:36Z) - Exact many-body scars and their stability in constrained quantum chains [55.41644538483948]
量子傷は、低い絡み合いエントロピーを特徴とする非熱的固有状態である。
本研究では,これらの正確な量子的傷点の摂動に対する応答について,システムサイズによる忠実度感受性のスケーリングを解析して検討する。
論文 参考訳(メタデータ) (2020-11-16T19:05:50Z) - 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) - 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。