Fugu-MT 論文翻訳(概要): A Machine Learning Approach to Trapped Many-Fermion Systems

論文の概要: A Machine Learning Approach to Trapped Many-Fermion Systems

arxiv url: http://arxiv.org/abs/2410.17383v1
Date: Tue, 22 Oct 2024 19:37:15 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-24 13:54:33.208995
Title: A Machine Learning Approach to Trapped Many-Fermion Systems
Title（参考訳）: 追従多機能システムに対する機械学習アプローチ
Authors: Paulo F. Bedaque, Hersh Kumar, Andy Sheng,
Abstract要約: 標準的な機械学習技術が基底状態に素早く収束することを示します。学習中の相互作用の強度を増大させることにより, 高い結合を効率的に処理できることが示される。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We apply a variational Ansatz based on neural networks to the problem of spin-$1/2$ fermions in a harmonic trap interacting through a short distance potential. We showed that standard machine learning techniques lead to a quick convergence to the ground state, especially in weakly coupled cases. Higher couplings can be handled efficiently by increasing the strength of interactions during "training".
Abstract（参考訳）: 短距離ポテンシャルを介して相互作用するハーモニックトラップにおけるスピン=1/2$フェルミオン問題に対して、ニューラルネットワークに基づく変分アンザッツを適用する。標準的な機械学習技術は、特に弱い結合の場合において、基底状態に素早く収束することを示した。より高い結合は「訓練」中の相互作用の強さを増大させることで効率的に処理できる。

関連論文リスト

Training Coupled Phase Oscillators as a Neuromorphic Platform using Equilibrium Propagation [1.2891210250935148]
結合位相発振器の系をうまく訓練することは可能であることを示す。 XY/倉本模型の複雑なエネルギー環境は、乗算可能性をもたらし、この課題にどう対処するかを示す。
論文参考訳（メタデータ） (2024-02-13T16:31:04Z)
On-demand transposition across light-matter interaction regimes in bosonic cQED [69.65384453064829]
ボソニックcQEDは、非線形回路素子に結合した高温超伝導キャビティの光電場を用いる。空洞コヒーレンスを劣化させることなく, 相互作用系を高速に切り替える実験を行った。我々の研究は、単一のプラットフォーム内での光-物質相互作用のフル範囲を探索する新しいパラダイムを開く。
論文参考訳（メタデータ） (2023-12-22T13:01:32Z)
Neural Amortized Inference for Nested Multi-agent Reasoning [54.39127942041582]
本研究では,人間のような推論能力と計算限界のギャップを埋める新しい手法を提案する。提案手法を2つの挑戦的マルチエージェント相互作用領域で評価する。
論文参考訳（メタデータ） (2023-08-21T22:40:36Z)
Robust Hamiltonian Engineering for Interacting Qudit Systems [50.591267188664666]
我々は、強く相互作用するキューディット系のロバストな動的疎結合とハミルトン工学の定式化を開発する。本研究では,これらの手法を,スピン-1窒素空洞中心の強相互作用・無秩序なアンサンブルで実験的に実証した。
論文参考訳（メタデータ） (2023-05-16T19:12:41Z)
Machine learning one-dimensional spinless trapped fermionic systems with neural-network quantum states [1.6606527887256322]
ガウスポテンシャルを介して相互作用する完全に偏極された1次元フェルミオン系の基底状態特性を計算する。我々は、波動関数のアンサッツとして、反対称人工ニューラルネットワーク(英語版)またはニューラル量子状態を用いる。相互作用の兆候によって、非常に異なる基底状態が見つかる。
論文参考訳（メタデータ） (2023-04-10T17:36:52Z)
Deep learning of spatial densities in inhomogeneous correlated quantum systems [0.0]
ランダムポテンシャルに基づいてトレーニングされた畳み込みニューラルネットワークを用いて,密度の予測が可能であることを示す。我々は,不均一な状況下での干渉と相互作用の相互作用と相転移を伴うモデルの挙動をうまく扱えることを示す。
論文参考訳（メタデータ） (2022-11-16T17:10:07Z)
Programmable N-body interactions with trapped ions [0.0]
トラップされた原子イオン量子ビットは量子計算とシミュレーションのための強力な量子プラットフォームである。我々は,標準モルマー・ソレンセン対絡ゲートを拡張する機構を定式化し,解析する。運動周波数の2倍のスピン依存光力が位相空間における集合イオン運動の座標変換を生成することを示す。
論文参考訳（メタデータ） (2022-07-21T15:49:52Z)
Port-Hamiltonian Neural Networks with State Dependent Ports [58.720142291102135]
本手法は,数個の内力および外力を持つ単純な質量スプリングシステムと,より複雑で現実的なシステムの両方において,ストレス試験を行う。ポート-ハミルトンニューラルネットワークは、状態依存型ポートでより大きな次元に拡張することができる。スパースデータとノイズデータのトレーニングを改善するための対称高次積分器を提案する。
論文参考訳（メタデータ） (2022-06-06T14:57:25Z)
Tuning long-range fermion-mediated interactions in cold-atom quantum simulators [68.8204255655161]
コールド原子量子シミュレータにおける工学的な長距離相互作用は、エキゾチックな量子多体挙動を引き起こす。そこで本研究では,現在実験プラットフォームで利用可能ないくつかのチューニングノブを提案する。
論文参考訳（メタデータ） (2022-03-31T13:32:12Z)
Distributed Methods with Compressed Communication for Solving Variational Inequalities, with Theoretical Guarantees [115.08148491584997]
本稿では,MASHA1 と MASHA2 の圧縮通信による変分不等式とサドル点問題の解法について理論的に検討した。新しいアルゴリズムは双方向圧縮をサポートし、バッチの設定や、クライアントの部分的な参加を伴うフェデレーション学習のために修正することもできる。
論文参考訳（メタデータ） (2021-10-07T10:04:32Z)
Engineering Fast High-Fidelity Quantum Operations With Constrained Interactions [0.0]
本稿では、高効率制御シーケンスを設計するための非常に一般的な方法を提案する。我々の手法は、時間非依存の線形方程式の集合を解くことによって制御場を見つけるために、最後に減少する。本手法は,多くの物理的問題に適用することによって述べる。
論文参考訳（メタデータ） (2020-03-26T18:29:03Z)

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。