論文の概要: Neural Projected Quantum Dynamics: a systematic study

• arxiv url: http://arxiv.org/abs/2410.10720v1
• Date: Mon, 14 Oct 2024 17:01:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-29 20:05:09.740315
• Title: Neural Projected Quantum Dynamics: a systematic study
• Title（参考訳）: ニューラルプロジェクテッド量子ダイナミクス : 系統的研究
• Authors: Luca Gravina, Vincenzo Savona, Filippo Vicentini,
• Abstract要約: ニューラル量子状態を用いた大規模システムにおけるユニタリ量子力学のシミュレーションの課題に対処する。 この研究は、予測時間依存変分モンテカルロ法(p-tVMC)の包括的な形式化を提供する。
• 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 address the challenge of simulating unitary quantum dynamics in large systems using Neural Quantum States, focusing on overcoming the computational instabilities and high cost of existing methods. This work offers a comprehensive formalization of the projected time-dependent Variational Monte Carlo (p-tVMC) method by thoroughly analyzing its two essential components: stochastic infidelity minimization and discretization of the unitary evolution. We investigate neural infidelity minimization using natural gradient descent strategies, identifying the most stable stochastic estimators and introducing adaptive regularization strategies that eliminate the need for manual adjustment of the hyperparameter along the dynamics. We formalize the specific requirements that p-tVMC imposes on discretization schemes for them to be efficient, and introduce four high-order integration schemes combining Taylor expansions, Pad\'e approximants, and Trotter splitting to enhance accuracy and scalability. We benchmark our adaptive methods against a 2D Ising quench, matching state of the art techniques without manual tuning of hyperparameters. This work establishes p-tVMC as a highly promising framework for addressing complex quantum dynamics, offering a compelling alternative for researchers looking to push the boundaries of quantum simulations.
• Abstract（参考訳）: ニューラル量子状態を用いた大規模システムにおけるユニタリ量子力学のシミュレーションの課題に対処し、計算不安定性と既存手法の高コストを克服することに焦点を当てる。 この研究は、確率的不忠実性最小化とユニタリ進化の離散化という2つの必須成分を徹底的に分析することにより、予測時間依存変分モンテカルロ法(p-tVMC)の包括的な形式化を提供する。 自然勾配降下法を用いてニューラル不整合最小化を行い、最も安定な確率的推定法を同定し、動的に過度パラメータを手動で調整する必要をなくす適応正則化法を導入する。 我々は、p-tVMCが離散化スキームに課す特定の要求をより効率的にし、テイラー展開、Pad\'e近似、およびトロッター分割を組み合わせた高階積分スキームを導入し、精度とスケーラビリティを向上させる。 我々は2次元Isingクエンチに対して適応的手法をベンチマークし、ハイパーパラメータの手動チューニングなしで最先端技術に適合させる。 この研究は、p-tVMCを複雑な量子力学に対処するための非常に有望なフレームワークとして確立し、量子シミュレーションの境界を押し上げようとする研究者に魅力的な代替手段を提供する。

関連論文リスト

• Compact Multi-Threshold Quantum Information Driven Ansatz For Strongly Interactive Lattice Spin Models [0.0]
  近似量子相互情報(QMI)に基づくアンザッツ建築の体系的手順を提案する。 提案手法は,QMI値に基づいて各層の量子ビット対が選択される層状アンサッツを生成し,より効率的な状態生成と最適化ルーチンを実現する。 その結果,Multi-QIDA法は高い精度を維持しながら計算複雑性を低減し,格子スピンモデルにおける量子シミュレーションに有望なツールであることがわかった。
  論文  参考訳（メタデータ） (2024-08-05T17:07:08Z)
• Neural Network Approach for Non-Markovian Dissipative Dynamics of Many-Body Open Quantum Systems [9.775774445091516]
  我々は第2量子化(DQME-SQ)におけるディシパトン埋め込み量子マスター方程式にニューラル量子状態アプローチを統合する 提案手法は縮密度テンソルをコンパクトに表現し,システム環境相関と非マルコフメモリの組合せ効果を明示的に符号化する。 RBMベースの新しいDQME-SQアプローチは、それまでの難解な状態における非マルコフ的開量子力学の研究の道を開く。
  論文  参考訳（メタデータ） (2024-04-17T06:17:08Z)
• Distributionally Robust Model-based Reinforcement Learning with Large State Spaces [55.14361269378122]
  強化学習における3つの大きな課題は、大きな状態空間を持つ複雑な力学系、コストのかかるデータ取得プロセス、トレーニング環境の展開から現実の力学を逸脱させることである。 広範に用いられているKullback-Leibler, chi-square, および全変分不確実性集合の下で, 連続状態空間を持つ分布ロバストなマルコフ決定過程について検討した。 本稿では,ガウス過程と最大分散削減アルゴリズムを用いて,多出力名目遷移力学を効率的に学習するモデルベースアプローチを提案する。
  論文  参考訳（メタデータ） (2023-09-05T13:42:11Z)
• Quantum Gate Optimization for Rydberg Architectures in the Weak-Coupling Limit [55.05109484230879]
  我々は,Rydberg tweezerシステムにおける2ビットゲートの機械学習支援設計を実演する。 我々は,高忠実度CNOTゲートを実装した最適パルス列を生成する。 単一量子ビット演算の局所的な制御は、原子列上で量子計算を行うのに十分であることを示す。
  論文  参考訳（メタデータ） (2023-06-14T18:24:51Z)
• A self-consistent field approach for the variational quantum eigensolver: orbital optimization goes adaptive [52.77024349608834]
  適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。 このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
  論文  参考訳（メタデータ） (2022-12-21T23:15:17Z)
• Guaranteed Conservation of Momentum for Learning Particle-based Fluid Dynamics [96.9177297872723]
  本稿では,学習物理シミュレーションにおける線形運動量を保証する新しい手法を提案する。 我々は、強い制約で運動量の保存を強制し、反対称的な連続的な畳み込み層を通して実現する。 提案手法により,学習シミュレータの物理的精度を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2022-10-12T09:12:59Z)
• On optimization of coherent and incoherent controls for two-level quantum systems [77.34726150561087]
  本稿では、閉かつオープンな2レベル量子系の制御問題について考察する。 閉系の力学は、コヒーレント制御を持つシュリンガー方程式によって支配される。 開系の力学はゴリーニ=コサコフスキー=スダルシャン=リンドブラッドのマスター方程式によって支配される。
  論文  参考訳（メタデータ） (2022-05-05T09:08:03Z)
• Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
  本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。 この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
  論文  参考訳（メタデータ） (2020-11-14T01:27:32Z)
• Adaptive Variational Quantum Dynamics Simulations [3.629716738568079]
  本稿では、高精度な量子力学シミュレーションのための変分波動関数アンゼ構築のための汎用的自己適応的手法を提案する。 このアプローチを可積分リーブ・シュルツ・マティススピン鎖と非可積分混合体イジングモデルに適用する。 AVQDSフレームワークにより、短期量子コンピューティングデバイス上での量子多体システムの幅広い動的シミュレーションが可能となることを期待する。
  論文  参考訳（メタデータ） (2020-11-01T20:21:57Z)
• Bilinear dynamic mode decomposition for quantum control [4.069849286089743]
  本研究では,データ駆動型回帰手法である双線形動的モード分解(biDMD)を開発し,時系列測定を用いてQOCの量子システム同定を行う。 本研究は,いくつかの代表量子系に対するアプローチの有効性と性能を実証し,実験結果と一致したことを示す。
  論文  参考訳（メタデータ） (2020-10-27T19:38:58Z)
• Autoregressive Transformer Neural Network for Simulating Open Quantum Systems via a Probabilistic Formulation [5.668795025564699]
  オープン量子システムのダイナミクスに対処するためのアプローチを提案する。 自己回帰変換ニューラルネットワークを用いて量子状態をコンパクトに表現する。 効率的なアルゴリズムは、リウヴィリア超作用素の力学をシミュレートするために開発された。
  論文  参考訳（メタデータ） (2020-09-11T18:00:00Z)

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。