論文の概要: Learning interactions between Rydberg atoms
- arxiv url: http://arxiv.org/abs/2412.12019v1
- Date: Mon, 16 Dec 2024 17:45:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-17 13:56:12.691331
- Title: Learning interactions between Rydberg atoms
- Title（参考訳）: Rydberg原子間の学習相互作用
- Authors: Olivier Simard, Anna Dawid, Joseph Tindall, Michel Ferrero, Anirvan M. Sengupta, Antoine Georges,
- Abstract要約: グラフニューラルネットワーク(GNN)を用いたハミルトン学習へのスケーラブルなアプローチを提案する。
我々は、GNNモデルがトレーニング領域を超えて外挿できることを実証した。
- 参考スコア（独自算出の注目度）: 4.17037025217542
- License:
- Abstract: Quantum simulators have the potential to solve quantum many-body problems that are beyond the reach of classical computers, especially when they feature long-range entanglement. To fulfill their prospects, quantum simulators must be fully controllable, allowing for precise tuning of the microscopic physical parameters that define their implementation. We consider Rydberg-atom arrays, a promising platform for quantum simulations. Experimental control of such arrays is limited by the imprecision on the optical tweezers positions when assembling the array, hence introducing uncertainties in the simulated Hamiltonian. In this work, we introduce a scalable approach to Hamiltonian learning using graph neural networks (GNNs). We employ the Density Matrix Renormalization Group (DMRG) to generate ground-state snapshots of the transverse field Ising model realized by the array, for many realizations of the Hamiltonian parameters. Correlation functions reconstructed from these snapshots serve as input data to carry out the training. We demonstrate that our GNN model has a remarkable capacity to extrapolate beyond its training domain, both regarding the size and the shape of the system, yielding an accurate determination of the Hamiltonian parameters with a minimal set of measurements. We prove a theorem establishing a bijective correspondence between the correlation functions and the interaction parameters in the Hamiltonian, which provides a theoretical foundation to our learning algorithm. Our work could open the road to feedback control of the positions of the optical tweezers, hence providing a decisive improvement of analog quantum simulators.
- Abstract（参考訳）: 量子シミュレータは、古典的なコンピュータの到達範囲を超えた量子多体問題を解く可能性があり、特に長距離の絡み合いが特徴である。
彼らの展望を満たすために、量子シミュレータは完全に制御可能でなければならないので、その実装を定義する微視的な物理パラメータを正確にチューニングすることができる。
我々は、量子シミュレーションのための有望なプラットフォームであるRydberg-atom arrayを考察する。
このようなアレイの実験的制御は、アレイを組み立てる際の光学的ツイーザー位置のインプレクションによって制限され、その結果、シミュレーションされたハミルトニアンに不確かさが生じる。
本稿では,グラフニューラルネットワーク(GNN)を用いたハミルトン学習へのスケーラブルなアプローチを提案する。
我々は、ハミルトンパラメータの多くの実現のために、横フィールドイジングモデルの基底状態スナップショットを生成するために密度行列再正規化群(DMRG)を用いる。
これらのスナップショットから再構成された相関関数は、トレーニングを実行するための入力データとして機能する。
我々は,GNNモデルがトレーニング領域を超えて,システムの大きさと形状を推定し,最小限の測定値でハミルトンパラメータを正確に決定できることを実証した。
相関関数とハミルトニアンの相互作用パラメータとの主観的対応性を確立する定理を証明し,その理論的基礎を学習アルゴリズムに与える。
我々の研究は、光学式ツイーザーの位置のフィードバック制御への道を開くことができ、アナログ量子シミュレータを決定的に改善することができる。
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) - Dual-Capability Machine Learning Models for Quantum Hamiltonian Parameter Estimation and Dynamics Prediction [2.142387003055715]
本研究では,2つの機能を持つ機械学習モデルを提案する。
観測された局所観測値の変化から時間依存のハミルトンパラメータを推定することができる。
これはハミルトンのパラメータに基づいてこれらの可観測物の進化を予測することができる。
論文 参考訳（メタデータ） (2024-05-22T12:21:57Z) - Boundary scattering tomography of the Bose Hubbard model on general
graphs [0.0]
本稿では,Bose-Hubbard Hamiltonianによって記述できる量子シミュレータのトモグラフィー手法を提案する。
シミュレータのオンサイト反発をオン/オフする追加の能力により、ハミルトニアンパラメータが標準量子限界を超えていることが示される。
論文 参考訳（メタデータ） (2023-10-22T05:42:48Z) - Quantum Computation and Simulation using Fermion-Pair Registers [0.0]
量子ガス顕微鏡下でのフェルミオン粒子を用いた量子計算とシミュレーションを実現する手法を提案し,解析する。
SWAPゲートと高忠実度制御相ゲートを設計する方法について述べる。
横場と縦場を持つ2次元量子イジング・ハミルトニアンは、フェシュバッハ相互作用強度を変調することにより、効率的にシミュレートできることを示す。
論文 参考訳（メタデータ） (2023-06-06T17:59:08Z) - Variational waveguide QED simulators [58.720142291102135]
導波管QEDシミュレータは1次元フォトニックバンドギャップ材料と相互作用する量子エミッタによって構成される。
ここでは、これらの相互作用がより効率的な変分量子アルゴリズムを開発するためのリソースとなることを実証する。
論文 参考訳（メタデータ） (2023-02-03T18:55:08Z) - Towards Neural Variational Monte Carlo That Scales Linearly with System
Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。
量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。
ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文 参考訳（メタデータ） (2022-12-21T19:00:04Z) - Robustly learning the Hamiltonian dynamics of a superconducting quantum processor [0.5564835829075486]
超伝導量子ビットアナログ量子シミュレータにおけるボソニック励起のフリーハミルトニアンパラメータを強く推定する。
この結果は、動的量子シミュレーションの正確な実装を構成する。
論文 参考訳（メタデータ） (2021-08-18T18:01:01Z) - Fixed Depth Hamiltonian Simulation via Cartan Decomposition [59.20417091220753]
時間に依存しない深さの量子回路を生成するための構成的アルゴリズムを提案する。
一次元横フィールドXYモデルにおけるアンダーソン局在化を含む、モデルの特殊クラスに対するアルゴリズムを強調する。
幅広いスピンモデルとフェルミオンモデルに対して正確な回路を提供するのに加えて、我々のアルゴリズムは最適なハミルトニアンシミュレーションに関する幅広い解析的および数値的な洞察を提供する。
論文 参考訳（メタデータ） (2021-04-01T19:06:00Z) - Entanglement Hamiltonian Tomography in Quantum Simulation [0.0]
量子シミュレータの絡み合いは、今日の中間スケール量子デバイスの時代において顕著な課題である。
本稿では, スピン系の密度行列と絡み合ったスペクトルを再構成するための効率的なトモグラフィープロトコルについて論じる。
数値シミュレーションを用いて1次元の長距離Isingモデルのプロトコルの有効性と有効性を示す。
論文 参考訳（メタデータ） (2020-09-18T18:12:22Z) - Variational Monte Carlo calculations of $\mathbf{A\leq 4}$ nuclei with
an artificial neural-network correlator ansatz [62.997667081978825]
光核の基底状態波動関数をモデル化するためのニューラルネットワーク量子状態アンサッツを導入する。
我々は、Aleq 4$核の結合エネルギーと点核密度を、上位のピオンレス実効場理論から生じるものとして計算する。
論文 参考訳（メタデータ） (2020-07-28T14:52:28Z) - Simulating nonnative cubic interactions on noisy quantum machines [65.38483184536494]
量子プロセッサは、ハードウェアに固有のものではないダイナミクスを効率的にシミュレートするためにプログラムできることを示す。
誤差補正のないノイズのあるデバイスでは、モジュールゲートを用いて量子プログラムをコンパイルするとシミュレーション結果が大幅に改善されることを示す。
論文 参考訳（メタデータ） (2020-04-15T05:16:24Z)
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。