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: 処理完了
• 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

• 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)
• 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。