論文の概要: ShadowGPT: Learning to Solve Quantum Many-Body Problems from Randomized Measurements
- arxiv url: http://arxiv.org/abs/2411.03285v1
- Date: Tue, 05 Nov 2024 17:34:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-06 14:59:26.627492
- Title: ShadowGPT: Learning to Solve Quantum Many-Body Problems from Randomized Measurements
- Title（参考訳）: ShadowGPT:ランダムな測定から量子多体問題の解法を学ぶ
- Authors: Jian Yao, Yi-Zhuang You,
- Abstract要約: 本稿では,量子実験から収集したランダム化測定データから学習することで,量子多体問題を解く新しい手法であるShadowGPTを提案する。
このモデルは量子ハミルトニアンの基底状態のシミュレーションされた古典的影データに基づいて訓練された生成前訓練変圧器(GPT)である。
- 参考スコア（独自算出の注目度）: 2.1946359779523332
- License:
- Abstract: We propose ShadowGPT, a novel approach for solving quantum many-body problems by learning from randomized measurement data collected from quantum experiments. The model is a generative pretrained transformer (GPT) trained on simulated classical shadow data of ground states of quantum Hamiltonians, obtained through randomized Pauli measurements. Once trained, the model can predict a range of ground state properties across the Hamiltonian parameter space. We demonstrate its effectiveness on the transverse-field Ising model and the $\mathbb{Z}_2 \times \mathbb{Z}_2$ cluster-Ising model, accurately predicting ground state energy, correlation functions, and entanglement entropy. This approach highlights the potential of combining quantum data with classical machine learning to address complex quantum many-body challenges.
- Abstract（参考訳）: 本稿では,量子実験から収集したランダム化測定データから学習することで,量子多体問題を解く新しい手法であるShadowGPTを提案する。
このモデルは、量子ハミルトニアンの基底状態のシミュレーションされた古典的影データに基づいて訓練された生成事前学習変換器(GPT)である。
一度訓練すると、モデルはハミルトンパラメータ空間の様々な基底状態特性を予測できる。
本研究では, 逆場イジングモデルと$\mathbb{Z}_2 \times \mathbb{Z}_2$ cluster-Isingモデルにおいて, 基底状態エネルギー, 相関関数, 絡み合いエントロピーを正確に予測し, 有効性を示す。
このアプローチは、量子データと古典的な機械学習を組み合わせることで、複雑な量子多体問題に対処する可能性を強調している。
関連論文リスト
- Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
ランダム量子スピン系の進化をモデル化するためにFNOを用いる。
量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
論文 参考訳（メタデータ） (2024-09-05T07:18:09Z) - Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - A hybrid method for quantum dynamics simulation [2.6340447642310383]
本稿では、トロッターに基づく量子アルゴリズムと古典的動的モード分解を組み合わせることで、量子多体力学をシミュレートするハイブリッド手法を提案する。
提案手法は, 量子コンピュータから短時間測定した一連のデータを用いて, 長期間の量子状態の観測可能性を予測する。
論文 参考訳（メタデータ） (2023-07-27T23:43:13Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - Neural network enhanced measurement efficiency for molecular
groundstates [63.36515347329037]
いくつかの分子量子ハミルトニアンの複雑な基底状態波動関数を学習するために、一般的なニューラルネットワークモデルを適用する。
ニューラルネットワークモデルを使用することで、単一コピー計測結果だけで観測対象を再構築するよりも堅牢な改善が得られます。
論文 参考訳（メタデータ） (2022-06-30T17:45:05Z) - Provably efficient variational generative modeling of quantum many-body
systems via quantum-probabilistic information geometry [3.5097082077065003]
パラメータ化混合状態に対する量子自然勾配降下の一般化を導入する。
また、堅牢な一階近似アルゴリズム、Quantum-Probabilistic Mirror Descentを提供する。
我々のアプローチは、モデル選択における柔軟性を実現するために、それまでのサンプル効率の手法を拡張しました。
論文 参考訳（メタデータ） (2022-06-09T17:58:15Z) - Probing finite-temperature observables in quantum simulators of spin
systems with short-time dynamics [62.997667081978825]
ジャジンスキー等式から動機付けられたアルゴリズムを用いて, 有限温度可観測体がどのように得られるかを示す。
長範囲の逆場イジングモデルにおける有限温度相転移は、捕捉されたイオン量子シミュレータで特徴づけられることを示す。
論文 参考訳（メタデータ） (2022-06-03T18:00:02Z) - On Quantum Circuits for Discrete Graphical Models [1.0965065178451106]
一般的な離散因子モデルから、偏りのない、独立なサンプルを確実に生成できる最初の方法を提案する。
本手法は多体相互作用と互換性があり,その成功確率は変数数に依存しない。
量子シミュレーションおよび実際の量子ハードウェアを用いた実験は,本手法が量子コンピュータ上でサンプリングおよびパラメータ学習を行うことができることを示す。
論文 参考訳（メタデータ） (2022-06-01T11:03:51Z) - Entanglement Forging with generative neural network models [0.0]
ハイブリッド量子-古典的変分アンゼ」は、量子リソースオーバーヘッドを下げるために絡み合いを鍛えることができることを示す。
この方法は観測者の期待値の固定精度を達成するのに必要な測定値の数で効率的である。
論文 参考訳（メタデータ） (2022-05-02T14:29:17Z) - A tensor network discriminator architecture for classification of
quantum data on quantum computers [0.0]
ホログラフィックアルゴリズムを用いて量子コンピュータ上での量子データを識別するために,行列積状態(MPS)モデルを用いることを実証する。
結合4MPSをモデルとしたエンタングル入力データを用いて,QuantinuumのH1-2トラップイオン量子コンピュータのモデルについて実験的に評価した。
論文 参考訳（メタデータ） (2022-02-22T14:19:42Z) - State preparation and measurement in a quantum simulation of the O(3)
sigma model [65.01359242860215]
我々は,非線型O(3)シグマモデルの固定点が,格子サイトあたり2キュービットしか持たないスピンモデルの量子相転移付近で再現可能であることを示す。
本稿では,弱い結合状態と量子臨界状態の両方において,断熱的基底状態の準備が複雑になる結果を得るためにトロッター法を適用した。
非単位ランダム化シミュレーション法に基づく量子アルゴリズムの提案と解析を行う。
論文 参考訳（メタデータ） (2020-06-28T23:44:12Z)
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。