論文の概要: Machine Learning-Enhanced Characterisation of Structured Spectral Densities: Leveraging the Reaction Coordinate Mapping
- arxiv url: http://arxiv.org/abs/2501.07485v1
- Date: Mon, 13 Jan 2025 17:02:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-14 14:20:45.310213
- Title: Machine Learning-Enhanced Characterisation of Structured Spectral Densities: Leveraging the Reaction Coordinate Mapping
- Title（参考訳）: 機械学習による構造化スペクトル密度のキャラクタリゼーション:反応座標マッピングの活用
- Authors: Jessica Barr, Alessandro Ferraro, Mauro Paternostro, Giorgio Zicari,
- Abstract要約: スペクトル密度は、開量子系におけるシステム-環境相互作用に関する必須情報を符号化する。
反応座標マッピングを用いて,機械学習を利用して重要な環境特徴を再構築する。
ローレンツピークの和として表されるスペクトル密度が構造化された散逸スピンボソンモデルに対し、観測可能なシステムの時間進化はニューラルネットワークによって1、2、3ローレンツピークのスペクトル密度を分類することができることを示す。
- 参考スコア（独自算出の注目度）: 41.94295877935867
- License:
- Abstract: Spectral densities encode essential information about system-environment interactions in open-quantum systems, playing a pivotal role in shaping the system's dynamics. In this work, we leverage machine learning techniques to reconstruct key environmental features, going beyond the weak-coupling regime by simulating the system's dynamics using the reaction coordinate mapping. For a dissipative spin-boson model with a structured spectral density expressed as a sum of Lorentzian peaks, we demonstrate that the time evolution of a system observable can be used by a neural network to classify the spectral density as comprising one, two, or three Lorentzian peaks and accurately predict their central frequency.
- Abstract（参考訳）: スペクトル密度は、開量子系におけるシステム-環境相互作用に関する必須情報を符号化し、システムの力学を形作る上で重要な役割を果たす。
本研究では,反応座標マッピングを用いてシステムの力学をシミュレーションすることにより,機械学習技術を活用し,主要な環境特徴を再構築する。
ローレンツピークの和として表されるスペクトル密度が構造化された散逸スピンボソンモデルに対し、観測可能なシステムの時間進化はニューラルネットワークによって1,2,3つのローレンツピークからなるスペクトル密度を分類し、その中心周波数を正確に予測できることを示す。
関連論文リスト
- Point-Calibrated Spectral Neural Operators [54.13671100638092]
点レベル適応スペクトルベースで関数を近似することで演算子マッピングを学習する。
点平衡スペクトル演算子は点レベル適応スペクトルベースで関数を近似することで演算子マッピングを学習する。
論文 参考訳（メタデータ） (2024-10-15T08:19:39Z) - Approaching Deep Learning through the Spectral Dynamics of Weights [41.948042468042374]
重みのスペクトル力学 -- 最適化中の特異値とベクトルの振る舞い -- は、ディープラーニングにおけるいくつかの現象を明確にし、統一する。
ConvNetによる画像分類,UNetsによる画像生成,LSTMによる音声認識,Transformersによる言語モデリングなど,さまざまな実験における最適化における一貫したバイアスを同定する。
論文 参考訳（メタデータ） (2024-08-21T17:48:01Z) - Spectral Density Classification For Environment Spectroscopy [44.99833362998488]
環境の特徴を再構築するために,機械学習技術の可能性を活用する。
スピンボソンモデルの関連する例としては、環境のオーミック性パラメータをOhmic、sub-Ohmic、Super-Ohmicのいずれかとして高精度に分類することができる。
論文 参考訳（メタデータ） (2023-08-01T20:42:59Z) - Learning dynamical systems: an example from open quantum system dynamics [0.0]
我々は、デファスゲートと結合した小さなスピン鎖のダイナミクスについて研究する。
クープマン演算子学習は, 密度行列の進化だけでなく, システムに付随するすべての物理観測可能量についても, 効率的に学習する手法であることを示す。
論文 参考訳（メタデータ） (2022-11-12T14:36:13Z) - Spreading of a local excitation in a Quantum Hierarchical Model [62.997667081978825]
常磁性相における量子ダイソン階層モデルのダイナミクスについて検討する。
地磁気場状態の局所励起による初期状態を考慮する。
局所化機構が発見され、励起は任意の時間で初期位置に近づいたままである。
論文 参考訳（メタデータ） (2022-07-14T10:05:20Z) - Collisional open quantum dynamics with a generally correlated
environment: Exact solvability in tensor networks [0.0]
システム力学の自然なマルコフ埋め込みは,ネットワークの仮想指標によって補助的なシステムの役割を担っている。
その結果、量子光学と量子輸送の分野におけるテンソル・ネットワーク法が進展した。
論文 参考訳（メタデータ） (2022-02-09T19:48:17Z) - Neural-Network Quantum States for Periodic Systems in Continuous Space [66.03977113919439]
我々は、周期性の存在下での強い相互作用を持つシステムのシミュレーションのために、神経量子状態の族を紹介する。
一次元系では、基底状態エネルギーと粒子の放射分布関数を非常に正確に推定する。
二つの次元において基底状態エネルギーの優れた推定値を得るが、これはより伝統的な手法から得られる結果に匹敵する。
論文 参考訳（メタデータ） (2021-12-22T15:27:30Z) - Supervised DKRC with Images for Offline System Identification [77.34726150561087]
現代の力学系はますます非線形で複雑なものになりつつある。
予測と制御のためのコンパクトで包括的な表現でこれらのシステムをモデル化するフレームワークが必要である。
本手法は,教師付き学習手法を用いてこれらの基礎関数を学習する。
論文 参考訳（メタデータ） (2021-09-06T04:39:06Z) - Pseudomode description of general open quantum system dynamics:
non-perturbative master equation for the spin-boson model [0.0]
ボゾン環境と相互作用するオープン量子系の挙動をシミュレーションするための非摂動的アプローチを概説する。
我々のフレームワークは、マルコフ的でないオープンシステムダイナミクスを解析するための強力で汎用的なツールとして利用することができる。
論文 参考訳（メタデータ） (2021-08-12T13:49:22Z)
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。