論文の概要: Kraus is King: High-order Completely Positive and Trace Preserving (CPTP) Low Rank Method for the Lindblad Master Equation
- arxiv url: http://arxiv.org/abs/2409.08898v1
- Date: Fri, 13 Sep 2024 15:12:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-16 16:09:45.259132
- Title: Kraus is King: High-order Completely Positive and Trace Preserving (CPTP) Low Rank Method for the Lindblad Master Equation
- Title(参考訳): Kraus is King: Lindblad Master Equation の完全正・微量保存法(CPTP)低ランク法
- Authors: Daniel Appelo, Yingda Cheng,
- Abstract要約: 我々はリンドブラッド方程式の本質的構造を尊重しながら密度行列の低階構造を利用する。
本手法は完全陽性であり, 微量保存である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We design high order accurate methods that exploit low rank structure in the density matrix while respecting the essential structure of the Lindblad equation. Our methods preserves complete positivity and are trace preserving.
- Abstract(参考訳): 我々は、リンドブラッド方程式の本質的構造を尊重しつつ、密度行列の低階構造を利用する高階高精度な手法を設計する。
本手法は完全陽性であり, 微量保存である。
関連論文リスト
- Taming the Bloch-Redfield equation: Recovering an accurate Lindblad equation for general open quantum systems [0.0]
この研究は、Bloch-Redfieldフレームワークを数学的に堅牢なリンドブラッド方程式に変換する以前の試みに基づいている。
本手法は,具体的な物理環境から導出したリンドブラッド方程式を得るための効果的で一般的な手順を提供する。
論文 参考訳(メタデータ) (2024-02-09T12:01:48Z) - Spectral Entry-wise Matrix Estimation for Low-Rank Reinforcement
Learning [53.445068584013896]
低ランク構造を持つ強化学習(RL)における行列推定問題について検討した。
低ランク帯では、回収される行列は期待される腕の報酬を指定し、低ランクマルコフ決定プロセス(MDP)では、例えばMDPの遷移カーネルを特徴付ける。
簡単なスペクトルベースの行列推定手法は,行列の特異部分空間を効率よく復元し,ほぼ最小の入力誤差を示すことを示す。
論文 参考訳(メタデータ) (2023-10-10T17:06:41Z) - Wave Matrix Lindbladization II: General Lindbladians, Linear
Combinations, and Polynomials [4.62316736194615]
我々は、よく知られたリンドブラッドマスター方程式によって支配される開系力学をシミュレートする問題を考察する。
我々は、リンドブラッド演算子がプログラム状態と呼ばれる純粋量子状態に符号化される入力モデルを導入する。
また、これらのプログラム状態との相互作用によってリンドブラディアン進化をシミュレートする、波動行列リンドブラディゼーション(Wave matrix Lindbladization)という手法も導入する。
論文 参考訳(メタデータ) (2023-09-25T18:20:00Z) - Making the Nystr\"om method highly accurate for low-rank approximations [0.0]
我々はNystr"om法を非対称行列や長方形行列に対して高い精度で適用するための一連の戦略を提案する。
結果として得られる方法(高速ナイストローム法と呼ばれる)は、高速なピボット戦略として、ナイストローム法(英語版)とスキンのランク-リーベリング因子化(英語版)を扱います。
論文 参考訳(メタデータ) (2023-07-11T20:25:46Z) - Generalized Lindblad Master Equation for Measurement-Induced Phase
Transition [0.0]
測定誘起相転移(MIPT)は、系が一元的進化の下で進化しているときに起こる。
我々は、MIPTにおける第二R'enyiエントロピーの力学を記述するために、連続方程式としてリンドブラッドマスター方程式の一般化版を提案する。
論文 参考訳(メタデータ) (2022-04-17T13:41:13Z) - Constructing k-local parent Lindbladians for matrix product density
operators [0.0]
マトリックス積密度作用素(MPDO)は、興味深い性質を持つ重要な状態のクラスである。
我々は、MPDOの与えられた(小さい)線型部分空間がフラストレーションのないリンドブラディアンの安定な空間であるかどうかを決定するアルゴリズムを開発する。
論文 参考訳(メタデータ) (2021-10-25T17:59:08Z) - High-Dimensional Bayesian Optimisation with Variational Autoencoders and
Deep Metric Learning [119.91679702854499]
本研究では,高次元の入力空間上でベイズ最適化を行うためのディープ・メトリック・ラーニングに基づく手法を提案する。
このような帰納バイアスを、利用可能なラベル付きデータの1%だけを用いて達成する。
実証的な貢献として、実世界の高次元ブラックボックス最適化問題に対する最先端の結果を示す。
論文 参考訳(メタデータ) (2021-06-07T13:35:47Z) - Orthogonalizing Convolutional Layers with the Cayley Transform [83.73855414030646]
直交に制約された畳み込み層をパラメータ化するための代替手法を提案し,評価する。
本手法は,大規模畳み込みにおいても直交性が高次に保たれることを示す。
論文 参考訳(メタデータ) (2021-04-14T23:54:55Z) - A Bregman Method for Structure Learning on Sparse Directed Acyclic
Graphs [84.7328507118758]
構造学習のためのBregman近位勾配法を開発した。
高い非線形反復に対する曲率の影響を計測する。
様々な合成および実集合上で本手法をテストする。
論文 参考訳(メタデータ) (2020-11-05T11:37:44Z) - Complexity Guarantees for Polyak Steps with Momentum [76.97851351276165]
そこでは,この知識を最適な値である$f_*$で置き換える。
まず、Polyak ステップによる単純な勾配勾配の古典的な場合よりも若干改善された収束境界を示し、その後、収束保証とともに、Polyak ステップと運動量を持つ加速勾配法を導出する。
論文 参考訳(メタデータ) (2020-02-03T17:50:28Z) - Relative Error Bound Analysis for Nuclear Norm Regularized Matrix Completion [101.83262280224729]
我々は、原子核ノルム正規化行列補完に対する相対誤差を開発する。
未知行列の最適低ランク近似を回復するための相対上界を導出する。
論文 参考訳(メタデータ) (2015-04-26T13:12:16Z)
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。