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

• arxiv url: http://arxiv.org/abs/2410.10720v3
• Date: Tue, 15 Jul 2025 07:35:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-16 15:29:03.577809
• 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: モンテカルロ変分法によるユニタリ量子力学の古典シミュレーションの課題について検討する。 予測時間依存モンテカルロ法 (p-tVMC) の完全形式化と大幅な改良を行った。 この研究は、大規模2次元量子システムの力学をシミュレーションする強力なフレームワークとしてp-tVMCを確立する。
• 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 investigate the challenge of classical simulation of unitary quantum dynamics with variational Monte Carlo approaches, addressing the instabilities and high computational demands of existing methods. By systematically analyzing the convergence of stochastic infidelity optimizations, examining the variance properties of key stochastic estimators, and evaluating the error scaling of multiple dynamical discretization schemes, we provide a thorough formalization and significant improvements to the projected time-dependent Variational Monte Carlo (p-tVMC) method. We benchmark our approach on a two-dimensional Ising quench, achieving state-of-the-art performance. This work establishes p-tVMC as a powerful framework for simulating the dynamics of large-scale two-dimensional quantum systems, surpassing alternative VMC strategies on the investigated benchmark problems.
• Abstract（参考訳）: 本稿では,モンテカルロ変分法によるユニタリ量子力学の古典的シミュレーションの課題について検討し,既存の手法の不安定性と高い計算要求に対処する。 確率的不整合最適化の収束を体系的に解析し、キー確率的推定器の分散特性を調べ、複数の動的離散化スキームの誤差スケーリングを評価することにより、予測時間依存変分モンテカルロ法(p-tVMC)の完全な形式化と大幅な改善を提供する。 我々は2次元のIsing quenchにアプローチをベンチマークし、最先端のパフォーマンスを実現した。 この研究は、大規模な2次元量子システムの力学をシミュレーションする強力なフレームワークとしてp-tVMCを確立し、ベンチマーク問題に対する代替VMC戦略を超越した。

関連論文リスト

• Unraveling Open Quantum Dynamics with Time-Dependent Variational Monte Carlo [0.0]
  本稿では,時間依存型変分モンテカルロ(VMC)と量子軌道法を組み合わせることにより,オープン量子多体力学をシミュレートする手法を提案する。 我々のアプローチはリンドブラッドのマスター方程式を変分アンザッツに対するシュリンガー方程式のアンサンブルに展開する。 この研究により、より高次元の複雑な散逸性量子系の大規模シミュレーションが可能となり、量子技術や基礎科学に幅広い影響を及ぼす。
  論文  参考訳（メタデータ） (2025-06-30T14:56:01Z)
• Utilization of SU(2) Symmetry for Efficient Simulation of Quantum Systems [0.0]
  本研究では、内部のSU(2)対称性を持つ量子系をシミュレートするための変分コンパイル法について検討する。 この研究の中心的な構成要素は、トレーニングされた変動回路パラメータを外挿する動的モード分解法(DMD)の適用である。 外挿パラメータを用いて、より多くのトロッターステップを用いて、変動的にコンパイルされた量子状態を予測する手法を提案し、再学習の必要性を排除した。
  論文  参考訳（メタデータ） (2025-06-23T16:17:56Z)
• Towards robust variational quantum simulation of Lindblad dynamics via stochastic Magnus expansion [10.144001671935907]
  我々はリンドブラッド方程式の変分量子シミュレーションのための新しい一般的な枠組みを紹介する。 古典的, 量子的両実装における数値的な例を通して, アルゴリズムの有効性を実証する。
  論文  参考訳（メタデータ） (2025-03-28T02:37:56Z)
• Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
  本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。 具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。 ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
  論文  参考訳（メタデータ） (2025-03-24T03:19:45Z)
• Large-scale stochastic simulation of open quantum systems [2.2627671295262215]
  本稿では,大規模オープン量子系をシミュレーションするスケーラブルで恥ずかしい並列アルゴリズムであるテンソルジャンプ法(TJM)を紹介する。 この研究は、大規模オープン量子システムのシミュレーションにおける重要な一歩である。
  論文  参考訳（メタデータ） (2025-01-29T19:00:00Z)
• Efficiency of Dynamical Decoupling for (Almost) Any Spin-Boson Model [44.99833362998488]
  構造ボソニック環境と結合した2レベル系の動的疎結合を解析的に検討した。 このようなシステムに対して動的疎結合が機能する十分な条件を見つける。 私たちの境界は、様々な関連するシステムパラメータで正しいスケーリングを再現します。
  論文  参考訳（メタデータ） (2024-09-24T04:58:28Z)
• 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)
• Hybrid Stabilizer Matrix Product Operator [44.99833362998488]
  本稿では, テンソルネットワーク法と安定化器形式を併用した新しいハイブリッド手法を提案し, 多体量子システムのシミュレーションの課題に対処する。 本稿では,ランダムなクリフォードTドープ回路とランダムなクリフォードFloquet Dynamicsへの応用を通して,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2024-05-09T18:32:10Z)
• 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)
• Online Variational Sequential Monte Carlo [49.97673761305336]
  我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。 オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
  論文  参考訳（メタデータ） (2023-12-19T21:45:38Z)
• 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)
• Unbiasing time-dependent Variational Monte Carlo by projected quantum evolution [44.99833362998488]
  量子系を古典的にシミュレートするためのモンテカルロ変分法(英語版)の精度とサンプルの複雑さを解析する。 時間依存変分モンテカルロ(tVMC)が最もよく用いられるスキームは、体系的な統計的バイアスによって影響を受けることを証明している。 本稿では,各段階における最適化問題の解法に基づく異なるスキームが,そのような問題から解放されていることを示す。
  論文  参考訳（メタデータ） (2023-05-23T17:38:10Z)
• 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)
• Latent Variable Representation for Reinforcement Learning [131.03944557979725]
  モデルに基づく強化学習のサンプル効率を改善するために、潜在変数モデルが学習、計画、探索をいかに促進するかは理論上、実証上、不明である。 状態-作用値関数に対する潜在変数モデルの表現ビューを提供する。これは、抽出可能な変分学習アルゴリズムと楽観主義/悲観主義の原理の効果的な実装の両方を可能にする。 特に,潜伏変数モデルのカーネル埋め込みを組み込んだUPB探索を用いた計算効率の良い計画アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-12-17T00:26:31Z)
• Neural network quantum state with proximal optimization: a ground-state searching scheme based on variational Monte Carlo [4.772126473623257]
  提案手法では, ミスマッチしたサンプルを再利用することで, 複数の更新を可能とした, 近位最適化(PO)を用いた新しい目的関数を提案する。 正方格子上の1次元横フィールドイジングモデルと2次元ハイゼンベルク反強磁性体を用いた基底状態探索のためのVMC-POアルゴリズムの性能について検討する。
  論文  参考訳（メタデータ） (2022-10-29T04:55:39Z)
• 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)
• Structure-Preserving Learning Using Gaussian Processes and Variational Integrators [62.31425348954686]
  本稿では,機械系の古典力学に対する変分積分器と,ガウス過程の回帰による残留力学の学習の組み合わせを提案する。 我々は、既知のキネマティック制約を持つシステムへのアプローチを拡張し、予測の不確実性に関する公式な境界を提供する。
  論文  参考訳（メタデータ） (2021-12-10T11:09:29Z)
• 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。