論文の概要: Autoencoder-based learning of Quantum phase transitions in the two-component Bose-Hubbard model

• arxiv url: http://arxiv.org/abs/2409.18480v1
• Date: Fri, 27 Sep 2024 06:42:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-06 06:02:07.283506
• Title: Autoencoder-based learning of Quantum phase transitions in the two-component Bose-Hubbard model
• Title（参考訳）: 自己エンコーダに基づく2成分Bose-Hubbardモデルにおける量子相転移の学習
• Authors: Iftekher S. Chowdhury, Binay Prakash Akhouri, Shah Haque, Eric Howard,
• Abstract要約: 本稿では,2成分ボース・ハバードモデルにおける量子位相遷移の検出と解析に,オートエンコーダと機械学習を用いた手法について検討する。 オートエンコーダなどの深層学習モデルを活用し,遅延空間表現,再構成誤差解析,クラスタ距離計算を用いて位相境界と臨界点の同定を行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper investigates the use of autoencoders and machine learning methods for detecting and analyzing quantum phase transitions in the Two-Component Bose-Hubbard Model. By leveraging deep learning models such as autoencoders, we investigate latent space representations, reconstruction error analysis, and cluster distance calculations to identify phase boundaries and critical points. The study is supplemented by dimensionality reduction techniques such as PCA and t-SNE for latent space visualization. The results demonstrate the potential of autoencoders to describe the dynamics of quantum phase transitions.
• Abstract（参考訳）: 本稿では,2成分ボース・ハバードモデルにおける量子位相遷移の検出と解析に,オートエンコーダと機械学習を用いた手法について検討する。 オートエンコーダなどの深層学習モデルを活用し,遅延空間表現,再構成誤差解析,クラスタ距離計算を用いて位相境界と臨界点の同定を行う。 本研究は,PCA や t-SNE などの次元低減技術を用いて,潜在空間の可視化を行った。 この結果は、量子相転移のダイナミクスを記述するオートエンコーダの可能性を示している。

関連論文リスト

• Quantum Data Learning of Topological-to-Ferromagnetic Phase Transitions in the 2+1D Toric Code Loop Gas Model [4.7898251057059795]
  量子データ学習(QDL)は、量子状態から直接物理的な洞察を抽出するフレームワークを提供する。 本稿では、磁場中の2+1次元トーリック・コード・ループ・ガスモデルにQDL手法を適用する。
  論文  参考訳（メタデータ） (2025-11-20T23:21:15Z)
• Quantum Visual Fields with Neural Amplitude Encoding [70.86293548779774]
  本稿では2次元画像と3次元幾何場学習のための新しいタイプの量子入射ニューラル表現(QINR)を提案する。 QVFは古典的なデータを学習可能エネルギー多様体に接地したニューラル振幅符号化を用いて量子状態ベクトルに符号化する。 我々のアンサッツは、学習可能なパラメトリド量子回路の完全に絡み合った設計に従い、実際のヒルベルト空間で量子(単位)演算を行う。
  論文  参考訳（メタデータ） (2025-08-14T17:59:52Z)
• Adiabatic Fine-Tuning of Neural Quantum States Enables Detection of Phase Transitions in Weight Space [0.0]
  我々は,位相図上でNQSを訓練し,異なるモデル間で強く相関する重み表現をもたらすアディバティック微調整を導入する。 この重み空間の相関により、トレーニングされたネットワーク重みだけを解析することによって量子系の相転移を検出することができる。 この結果は,物理相転移とニューラルネットワークパラメータの幾何の関連性を確立し,物理における機械学習モデルの解釈可能性の新しい方向性を開拓する。
  論文  参考訳（メタデータ） (2025-03-21T13:42:11Z)
• Enhancing the performance of Variational Quantum Classifiers with hybrid autoencoders [0.0]
  本稿では,特定の量子埋め込みを考慮し,与えられたデータセットの次元性を低減する方法を提案する。 この方法は、VQCを用いた量子機械学習をより汎用的で高次元のデータセットに効果的にすることを目的としている。
  論文  参考訳（メタデータ） (2024-09-05T08:51:20Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Quantum Convolutional Neural Network for Phase Recognition in Two Dimensions [0.0]
  量子畳み込みニューラルネットワーク(Quantum Convolutional Neural Network, QCNN)は、物質の量子位相を低コストで認識するための量子回路である。 ここでは,2次元の位相認識が可能なQCNNを構築し,トーリック符号相から常磁性相への位相遷移を正確に同定する。
  論文  参考訳（メタデータ） (2024-07-04T18:38:06Z)
• Quantum Patch-Based Autoencoder for Anomaly Segmentation [44.99833362998488]
  画像の異常セグメンテーションのためのパッチベースの量子オートエンコーダ(QPB-AE)を提案する。 QPB-AEは、組み込まれた入力パッチの量子状態を再構成し、測定から直接異常マップを計算する。 複数のデータセットとパラメータ構成でその性能を評価する。
  論文  参考訳（メタデータ） (2024-04-26T08:42:58Z)
• Optical Quantum Sensing for Agnostic Environments via Deep Learning [59.088205627308]
  本稿では,革新的な深層学習に基づく量子センシング手法を提案する。 これにより、光学量子センサーは、非依存環境でハイゼンベルク限界(HL)に達することができる。 我々の発見は、光学量子センシングタスクを加速する新しいレンズを提供する。
  論文  参考訳（メタデータ） (2023-11-13T09:46:05Z)
• Machine Learning Aided Dimensionality Reduction towards a Resource Efficient Projective Quantum Eigensolver [0.0]
  近年,分子系の基底状態エネルギーを計算するためのエレガントな手法として,PQE (Projective Quantum Eigensolver) が提案されている。 我々は、この2つのパラメータの集合的相互作用を機械学習技術を用いて利用し、相乗的相互関係を導出した。
  論文  参考訳（メタデータ） (2023-03-20T16:49:56Z)
• Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
  本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。 我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
  論文  参考訳（メタデータ） (2022-04-12T19:39:31Z)
• Simulating the Mott transition on a noisy digital quantum computer via Cartan-based fast-forwarding circuits [62.73367618671969]
  動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。 不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。 この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
  論文  参考訳（メタデータ） (2021-12-10T17:32:15Z)
• Post-Training Quantization for Vision Transformer [85.57953732941101]
  本稿では,視覚変換器のメモリ記憶量と計算コストを削減するための学習後量子化アルゴリズムを提案する。 約8ビット量子化を用いて、ImageNetデータセット上でDeiT-Bモデルを用いて81.29%のトップ-1の精度を得ることができる。
  論文  参考訳（メタデータ） (2021-06-27T06:27:22Z)
• Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
  我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。 このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。 このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
  論文  参考訳（メタデータ） (2021-06-24T15:58:57Z)
• Topological quantum phase transitions retrieved through unsupervised machine learning [2.778293655629716]
  教師なし多様体学習は、運動量および実空間における位相量子相転移をうまく取り出すことができることを示す。 本研究では, 原型的Su-Schefferri-Heeger(SSH)モデル, Qi-Wu-Zhang(QWZ)モデル, 運動量空間における焼成SSHモデルについて示す。
  論文  参考訳（メタデータ） (2020-02-06T17:11:11Z)

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。