論文の概要: Quantum many-body solver using artificial neural networks and its applications to strongly correlated electron systems

• arxiv url: http://arxiv.org/abs/2410.02633v2
• Date: Thu, 10 Oct 2024 09:11:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-04 02:02:21.092106
• Title: Quantum many-body solver using artificial neural networks and its applications to strongly correlated electron systems
• Title（参考訳）: ニューラルネットワークを用いた量子多体解法とその強相関電子系への応用
• Authors: Yusuke Nomura, Masatoshi Imada,
• Abstract要約: 我々は質的な理解だけでなく、量子多体現象の定量的予測と設計も目指している。 新たな数値的アプローチとして、量子多体問題を分析する機械学習技術が2017年に導入された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the evolution of numerical methods, we are now aiming at not only qualitative understanding but also quantitative prediction and design of quantum many-body phenomena. As a novel numerical approach, machine learning techniques have been introduced in 2017 to analyze quantum many-body problems. Since then, proposed various novel approaches have opened a new era, in which challenging and fundamental problems in physics can be solved by machine learning methods. Especially, quantitative and accurate estimates of material-dependent physical properties of strongly correlated matter have now become realized by combining first-principles calculations with highly accurate quantum many-body solvers developed with the help of machine learning methods. Thus developed quantitative description of electron correlations will constitute a key element of materials science in the next generation.
• Abstract（参考訳）: 数値的手法の進化により,量子多体現象の質的理解だけでなく,定量的な予測や設計も目指している。 新たな数値的アプローチとして、量子多体問題を分析する機械学習技術が2017年に導入された。 それ以来、様々な新しいアプローチが新しい時代を開拓し、機械学習手法によって物理学の難解で根本的な問題を解くことができるようになった。 特に, 精度の高い量子多体解法と第1原理計算を組み合わせることで, 強相関物質の物質依存物性の定量的かつ正確な推定が可能となった。 したがって、電子相関の定量的な記述は、次世代の材料科学の鍵となる要素となる。

関連論文リスト

• Quantum Machine Learning: An Interplay Between Quantum Computing and Machine Learning [54.80832749095356]
  量子機械学習(QML)は、量子コンピューティングの原理と従来の機械学習を組み合わせた急速に成長する分野である。 本稿では,変分量子回路を用いてQMLアーキテクチャを開発する機械学習パラダイムの量子コンピューティングについて述べる。
  論文  参考訳（メタデータ） (2024-11-14T12:27:50Z)
• Quantum Embedding of Non-local Quantum Many-body Interactions in Prototypal Anti-tumor Vaccine Metalloprotein on Near Term Quantum Computing Hardware [4.8962578963959675]
  複素ヘモシアニン分子の量子コンピュータシミュレーションを初めて提示する。 ヘモシアニンは様々な生理的過程に関与する重要な呼吸タンパク質である。 ヘモシアニンの磁気構造は多体補正の影響が大きい。
  論文  参考訳（メタデータ） (2024-10-16T16:49:42Z)
• Quantum Machine Learning Algorithms for Anomaly Detection: a Survey [1.747623282473278]
  量子コンピューティングに関わる重要な概念を要約し、量子スピードアップという形式的な概念を導入する。 このサーベイは、量子機械学習に基づく異常検出の構造化マップを提供する。
  論文  参考訳（メタデータ） (2024-08-20T17:55:25Z)
• Quantum Information Processing with Molecular Nanomagnets: an introduction [49.89725935672549]
  本稿では,量子情報処理の導入について紹介する。 量子アルゴリズムを理解し設計するための基本的なツールを紹介し、分子スピンアーキテクチャ上での実際の実現を常に言及する。 分子スピンキュートハードウェア上で提案および実装された量子アルゴリズムの例を示す。
  論文  参考訳（メタデータ） (2024-05-31T16:43:20Z)
• Symmetry-invariant quantum machine learning force fields [0.0]
  我々は、データに着想を得た、広範囲な物理関連対称性の集合を明示的に組み込んだ量子ニューラルネットワークを設計する。 この結果から,分子力場生成は量子機械学習の枠組みを生かして著しく利益を得る可能性が示唆された。
  論文  参考訳（メタデータ） (2023-11-19T16:15:53Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• Standard Model Physics and the Digital Quantum Revolution: Thoughts about the Interface [68.8204255655161]
  量子システムの分離・制御・絡み合いの進歩は、かつての量子力学の興味深い特徴を、破壊的な科学的・技術的進歩のための乗り物へと変えつつある。 本稿では,3つの領域科学理論家の視点から,絡み合い,複雑性,量子シミュレーションのインターフェースについて考察する。
  論文  参考訳（メタデータ） (2021-07-10T06:12:06Z)
• Neural networks in quantum many-body physics: a hands-on tutorial [0.0]
  本稿では、凝縮物質物理学および量子情報における機械学習の応用について概説する。 本稿では,畳み込み型ニューラルネットワークを用いた教師付き機械学習を用いて相転移を学習し,制限されたボルツマンマシンによる教師なし学習を用いて量子トモグラフィーを行い,多体ハミルトニアンの基底状態を近似するための繰り返しニューラルネットを用いた変分モンテカルロを提案する。
  論文  参考訳（メタデータ） (2021-01-26T22:04:29Z)
• Simulating Quantum Materials with Digital Quantum Computers [55.41644538483948]
  デジタル量子コンピュータ(DQC)は、古典的コンピュータでは引き起こせない量子シミュレーションを効率的に行うことができる。 このレビューの目的は、物理量子優位性を達成するために行われた進歩の要約を提供することである。
  論文  参考訳（メタデータ） (2021-01-21T20:10:38Z)
• Electronic structure with direct diagonalization on a D-Wave quantum annealer [62.997667081978825]
  本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。 そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
  論文  参考訳（メタデータ） (2020-09-02T22:46:47Z)
• Machine Learning for Quantum Matter [0.0]
  本稿では,量子物質研究の進展をめざして,機械学習のアイデアの最近の発展と適応を概観する。 機械学習と量子多体物理学の交わる領域における今後の発展の展望について論じる。
  論文  参考訳（メタデータ） (2020-03-24T18:00:30Z)

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。