論文の概要: From $SU(2)$ holonomies to holographic duality via tensor networks

• arxiv url: http://arxiv.org/abs/2410.18812v1
• Date: Thu, 24 Oct 2024 14:59:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-25 12:48:37.833198
• Title: From $SU(2)$ holonomies to holographic duality via tensor networks
• Title（参考訳）: SU(2)$ホロノミーからテンソルネットワークによるホログラフィック双対性へ
• Authors: Grzegorz Czelusta, Jakub Mielczarek,
• Abstract要約: スピンネットワーク状態のテンソルネットワーク表現を構築し、$SU(2)$ゲージ不変離散場理論に対応する。 スピンネットワーク状態は、プランクスケール物理学に対するループ量子重力(LQG)アプローチにおいて中心的な役割を果たす。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Tensor networks provide a powerful tool for studying many-body quantum systems, particularly making quantum simulations more efficient. In this article, we construct a tensor network representation of the spin network states, which correspond to $SU(2)$ gauge-invariant discrete field theories. Importantly, the spin network states play a central role in the Loop Quantum Gravity (LQG) approach to the Planck scale physics. Our focus is on the Ising-type spin networks, which provide a basic model of quantum space in LQG. It is shown that the tensor network approach improves the previously introduced methods of constructing quantum circuits for the Ising spin networks by reducing the number of qubits involved. It is also shown that the tensor network approach is convenient for implementing holographic states involving the bulk-boundary conjecture, which contributes to establishing a link between LQG and holographic duality.
• Abstract（参考訳）: テンソルネットワークは、多体量子システムの研究、特に量子シミュレーションをより効率的にするための強力なツールを提供する。 本稿では、$SU(2)$ゲージ不変離散場理論に対応するスピンネットワーク状態のテンソルネットワーク表現を構築する。 重要なことに、スピンネットワーク状態はプランクスケール物理学に対するループ量子重力(LQG)アプローチにおいて中心的な役割を果たす。 我々の焦点は、LQGの量子空間の基本モデルを提供するIsing型スピンネットワークである。 テンソルネットワークアプローチは、関連する量子ビットの数を減らし、イジングスピンネットワークのための量子回路を構築する方法を改善することが示されている。 また、テンソルネットワークアプローチは、LQGとホログラフィック双対性の間のリンクを確立するのに寄与するバルク境界予想を含むホログラフィック状態を実装するのに便利であることを示した。

関連論文リスト

• Entanglement-Assisted Quantum Networks: Mechanics, Enabling Technologies, Challenges, and Research Directions [66.27337498864556]
  本稿では,量子ネットワークの絡み合いに関する包括的調査を行う。 ネットワーク構造、作業原則、開発段階の詳細な概要を提供する。 また、アーキテクチャ設計、絡み合いに基づくネットワーク問題、標準化など、オープンな研究の方向性を強調している。
  論文  参考訳（メタデータ） (2023-07-24T02:48:22Z)
• Quantum Phase Recognition using Quantum Tensor Networks [0.0]
  本稿では,教師付き学習タスクのためのテンソルネットワークにインスパイアされた浅部変分アンザツに基づく量子機械学習手法について検討する。 マルチスケールエンタングルメント再正規化アンサッツ (MERA) とツリーテンソルネットワーク (TTN) がパラメタライズド量子回路にインスパイアされた場合、テストセットの精度が$geq 98%に達する。
  論文  参考訳（メタデータ） (2022-12-12T19:29:07Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• QTN-VQC: An End-to-End Learning framework for Quantum Neural Networks [71.14713348443465]
  可変量子回路(VQC)上に量子埋め込みを行うためのトレーニング可能な量子テンソルネットワーク(QTN)を導入する。 QTNは、量子埋め込みの生成から出力測定まで、エンドツーエンドのパラメトリックモデルパイプライン、すなわちQTN-VQCを可能にする。 MNISTデータセットに対する我々の実験は、他の量子埋め込み手法に対する量子埋め込みに対するQTNの利点を実証している。
  論文  参考訳（メタデータ） (2021-10-06T14:44:51Z)
• Strong entanglement distribution of quantum networks [3.6720510088596297]
  大規模量子ネットワークは、単一の絡み合ったシステムの伝送とストレージの現実的な制約を克服するために使われてきた。 一般化されたEPR状態とGHZ状態からなる接続ネットワークは、二部交絡測定の観点で、強いCKWモノガミー不等式を満たすことを示す。 我々は、局所的なユニタリ演算の下でのネットワーク構成を区別することで、絡み合った量子ネットワークを分類する。
  論文  参考訳（メタデータ） (2021-09-27T08:45:18Z)
• The Variational Power of Quantum Circuit Tensor Networks [0.0]
  物理多体基底状態の表現において,量子回路テンソルネットワークの変動パワーを特徴付ける。 1D/2D Heisenbergモデルと1D Fermi-Hubbardモデルに対して、標準テンソルネットワークと他の一般的な回路アーキテクチャとの表現性をベンチマークする。 古典的にエミュレートできない回路深さへの外挿は、物理基底状態の表現において量子表現性に有利な領域を示唆している。
  論文  参考訳（メタデータ） (2021-07-03T00:02:31Z)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)
• Efficient Tensor Network ansatz for high-dimensional quantum many-body problems [0.0]
  本稿では,量子多体波動関数のツリーネットワーク表現をよく確立したテンソルネットワーク構造を導入する。 我々は、前例のない精度とシステムサイズを示すパラダイム的2次元スピンモデルに対して、この新しいアプローチをベンチマークする。
  論文  参考訳（メタデータ） (2020-11-16T19:00:04Z)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)
• Solving Quantum Master Equations with Deep Quantum Neural Networks [0.0]
  我々は、オープンな量子多体系の混合状態を表現するために、普遍的な量子計算が可能なディープ量子フィードフォワードニューラルネットワークを使用する。 量子ネットワークの特別な構造を所有するこのアプローチは、バレン高原の欠如など、多くの注目すべき特徴を享受している。
  論文  参考訳（メタデータ） (2020-08-12T18:00:08Z)
• Entanglement Classification via Neural Network Quantum States [58.720142291102135]
  本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。 我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
  論文  参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。