論文の概要: Simulating matrix models with tensor networks
- arxiv url: http://arxiv.org/abs/2412.04133v1
- Date: Thu, 05 Dec 2024 12:57:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-06 20:43:02.05801
- Title: Simulating matrix models with tensor networks
- Title(参考訳): テンソルネットワークを用いた行列モデルシミュレーション
- Authors: Enrico M. Brehm, Yibin Guo, Karl Jansen, Enrico Rinaldi,
- Abstract要約: 行列モデルは、空間依存を持たない量子力学系として、ゲージ理論と重力理論に関する貴重な洞察を与える。
これらのモデルをシミュレートすることで、キネマティックおよび動的性質の探索が可能になる。
本研究では,行列積状態として基底状態を構築し,その絡み合い構造などの特徴を解析する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Matrix models, as quantum mechanical systems without explicit spatial dependence, provide valuable insights into higher-dimensional gauge and gravitational theories, especially within the framework of string theory, where they can describe quantum black holes via the holographic principle. Simulating these models allows for exploration of their kinematic and dynamic properties, particularly in parameter regimes that are analytically intractable. In this study, we examine the potential of tensor network techniques for such simulations. Specifically, we construct ground states as matrix product states and analyse features such as their entanglement structure.
- Abstract(参考訳): 行列モデルは、明らかに空間依存のない量子力学系として、特に弦理論の枠組みの中で、高次元ゲージ理論と重力理論に関する貴重な洞察を与え、ホログラフィック原理を通じて量子ブラックホールを記述することができる。
これらのモデルをシミュレートすることで、特に解析的に難解なパラメータ構造において、キネマティックおよび動的性質の探索が可能になる。
本研究では,このようなシミュレーションのためのテンソルネットワーク技術の可能性について検討する。
具体的には、基底状態を行列積状態として構築し、その絡み合い構造のような特徴を解析する。
関連論文リスト
- Geometric Principles for Machine Learning of Dynamical Systems [0.0]
本稿では,構造的一般化を実現するために,構造に富む幾何学的空間を機械学習に活用することを提案する。
本稿では,線形時間不変力学系の機械学習を通して,この考え方を説明する。
論文 参考訳(メタデータ) (2025-02-19T17:28:40Z) - Exact Model Reduction for Continuous-Time Open Quantum Dynamics [0.0]
有限次元多体量子系を時間非依存ハミルトニアン方程式とマルコフマスター方程式によって記述する。
本稿では,初期条件の集合や観測可能な関心事の時間発展を再現する,より小さな次元の縮小モデルを構築するための体系的手法を提案する。
論文 参考訳(メタデータ) (2024-12-06T15:00:58Z) - Truncated Gaussian basis approach for simulating many-body dynamics [0.0]
このアプローチは、フェルミオンガウス状態にまたがる縮小部分空間内で有効ハミルトニアンを構築し、近似固有状態と固有エネルギーを得るために対角化する。
対称性を利用して並列計算を行い、より大きなサイズでシステムをシミュレートすることができる。
クエンチ力学では,時間発展する部分空間の波動関数が時間的ダイナミクスのシミュレーションを促進することが観察される。
論文 参考訳(メタデータ) (2024-10-05T15:47:01Z) - Quantum Simulation of Nonlinear Dynamical Systems Using Repeated Measurement [42.896772730859645]
本稿では, 非線形常微分方程式の初期値問題を解くために, 繰り返し測定に基づく量子アルゴリズムを提案する。
古典ロジスティック系とローレンツ系に、積分可能かつカオス的条件の両方でこのアプローチを適用する。
論文 参考訳(メタデータ) (2024-10-04T18:06:12Z) - Topological Eigenvalue Theorems for Tensor Analysis in Multi-Modal Data Fusion [0.0]
本稿では,マルチモーダルデータ融合におけるテンソル固有値解析のための新しいフレームワークを提案する。
固有値とトポロジカルな特徴を結びつける新しい定理を確立することにより、提案フレームワークはデータの潜伏構造に関する深い洞察を提供する。
論文 参考訳(メタデータ) (2024-09-14T09:46:15Z) - Hamiltonian truncation tensor networks for quantum field theories [42.2225785045544]
連続場理論の古典的シミュレーションのためのテンソルネットワーク手法を提案する。
この手法はハミルトン・トランケーションとテンソル・ネットワーク技術に基づいて構築されている。
重要な発展の1つは、大域的プロジェクターの行列積状態表現の正確な構成である。
論文 参考訳(メタデータ) (2023-12-19T19:00:02Z) - Eigenvalue analysis of three-state quantum walks with general coin matrices [0.7343478057671141]
我々は、一般的なコイン行列を用いた3状態量子ウォークに適用可能な、より洗練された転送行列フレームワークを開発する。
我々は,これまで難解と考えられていたモデルに対して,正確な固有値を導出するための数値解析を行った。
論文 参考訳(メタデータ) (2023-11-11T03:37:24Z) - Revisiting semiconductor bulk hamiltonians using quantum computers [0.0]
我々はk$$$pハミルトニアンを用いてIII-V族の半導体構造を記述する。
状態ベクトルソルバ,確率シミュレータ,実雑音デバイスシミュレータを用いてバンド構造を求める。
論文 参考訳(メタデータ) (2022-08-22T14:02:29Z) - Symmetry Group Equivariant Architectures for Physics [52.784926970374556]
機械学習の分野では、対称性に対する認識が目覚ましいパフォーマンスのブレークスルーを引き起こしている。
物理学のコミュニティと、より広い機械学習のコミュニティの両方に、理解すべきことがたくさんある、と私たちは主張する。
論文 参考訳(メタデータ) (2022-03-11T18:27:04Z) - Characterizing the dynamical phase diagram of the Dicke model via
classical and quantum probes [0.0]
古典的および量子的極限におけるディックモデルの動的位相図について検討する。
我々の数値計算は、量子力学の平均場的特徴が正確な量子力学において有効であることを証明している。
我々の予測は、閉じ込められたイオンの配列を含むディックモデルの現在の量子シミュレータで検証できる。
論文 参考訳(メタデータ) (2021-02-03T19:05:56Z) - 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) - Lorentz Group Equivariant Neural Network for Particle Physics [58.56031187968692]
ローレンツ群の下での変換に関して完全に同値なニューラルネットワークアーキテクチャを提案する。
素粒子物理学における分類問題に対して、そのような同変構造は、比較的学習可能なパラメータの少ない非常に単純なモデルをもたらすことを実証する。
論文 参考訳(メタデータ) (2020-06-08T17:54:43Z) - Tensor network models of AdS/qCFT [69.6561021616688]
準周期共形場理論(qCFT)の概念を導入する。
離散ホログラフィーのパラダイムに属するものとして,qCFTが最適であることを示す。
論文 参考訳(メタデータ) (2020-04-08T18:00:05Z)
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。