論文の概要: Unifying quantum stochastic methods using Wick's theorem on the Keldysh contour

• arxiv url: http://arxiv.org/abs/2501.09544v1
• Date: Thu, 16 Jan 2025 13:52:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-17 15:09:18.193717
• Title: Unifying quantum stochastic methods using Wick's theorem on the Keldysh contour
• Title（参考訳）: ケルディシュ輪郭上のウィックの定理を用いた量子確率法の統一
• Authors: Vasco Cavina, Antonio D'Abbruzzo, Vittorio Giovannetti,
• Abstract要約: 我々はケルディシュ輪郭に自然に定式化された系の力学の伝搬子に対するコンパクトな表現を開発する。 本手法の主な利点は,初期システムバス相関を考慮に入れやすいため,その柔軟性である。 TheEの解法は、情報を失うことなく単一の物理的雑音で書けることを証明している。
• 参考スコア（独自算出の注目度）: 0.5461938536945721
• License:
• Abstract: We present a new method based on the Keldysh formalism to derive stochastic master equations for the non-Markovian evolution of a quantum system coupled to a Gaussian environment. Using this approach, we develop a compact expression for the propagator of the system's dynamics, naturally formulated on the Keldysh contour. This expression is shown to be equivalent to other formulations, such as the stochastic von Neumann equation (SVNE). A key advantage of our method is its flexibility, as it can be easily adapted to account for initial system-bath correlations, and its simplicity, as it does not rely on path integration techniques or superoperator representations, unlike previous approaches. The insight offered by our technique allows us to make some considerations on the nature of the noises appearing in the SVNE. We prove that the solution of the SVNE can be written in terms of a single physical noise without loss of information. We then envision a semiclassical scenario in which such noise can be interpreted in terms of an initial measurement process on the environment.
• Abstract（参考訳）: ガウス環境に結合した量子系の非マルコフ進化に対する確率的マスター方程式を導出するケルディシュ形式に基づく新しい方法を提案する。 このアプローチを用いて,Keldyshの輪郭上に自然に定式化された系の力学の伝搬子に対するコンパクトな表現を開発する。 この式は、確率的フォン・ノイマン方程式(SVNE)のような他の定式式と等価であることが示されている。 本手法の主な利点は,初期システムバス相関を考慮に入れやすく,かつ,従来の手法と異なり,経路統合技術やスーパー演算表現に依存しないため,その柔軟性である。 本手法によって得られた知見は,SVNE に現れる雑音の性質を考察する上で有効である。 SVNEの解法は、情報を失うことなく単一の物理的雑音で書けることを証明している。 次に,環境における初期測定プロセスの観点から,このようなノイズを解釈できる半古典的なシナリオを想定する。

関連論文リスト

• Sparse Bayesian Generative Modeling for Compressive Sensing [8.666730973498625]
  この研究は、圧縮センシング(CS)における基本的な線形逆問題に、新しいタイプの正規化生成先行を導入することで対処する。 提案手法は変分推論の概念を用いて理論的に支援し,異なる種類の圧縮可能な信号を用いて実験的に検証する。
  論文  参考訳（メタデータ） (2024-11-14T14:37:47Z)
• Epistemic Uncertainty and Observation Noise with the Neural Tangent Kernel [12.464924018243988]
  近年の研究では、勾配降下による広いニューラルネットワークのトレーニングは、ガウス過程における後部分布の平均を計算することと正式に等価であることが示されている。 非ゼロアレタリックノイズに対処する方法を示し, 後部共分散推定器を導出する。
  論文  参考訳（メタデータ） (2024-09-06T00:34:44Z)
• First Order Methods with Markovian Noise: from Acceleration to Variational Inequalities [91.46841922915418]
  本稿では,一階変分法の理論解析のための統一的アプローチを提案する。 提案手法は非線形勾配問題とモンテカルロの強い問題の両方をカバーする。 凸法最適化問題の場合、オラクルに強く一致するような境界を与える。
  論文  参考訳（メタデータ） (2023-05-25T11:11:31Z)
• Decimation technique for open quantum systems: a case study with driven-dissipative bosonic chains [62.997667081978825]
  量子系の外部自由度への不可避結合は、散逸(非単体)ダイナミクスをもたらす。 本稿では,グリーン関数の(散逸的な)格子計算に基づいて,これらのシステムに対処する手法を提案する。 本手法のパワーを,複雑性を増大させる駆動散逸型ボゾン鎖のいくつかの例で説明する。
  論文  参考訳（メタデータ） (2022-02-15T19:00:09Z)
• Structure-Preserving Learning Using Gaussian Processes and Variational Integrators [62.31425348954686]
  本稿では,機械系の古典力学に対する変分積分器と,ガウス過程の回帰による残留力学の学習の組み合わせを提案する。 我々は、既知のキネマティック制約を持つシステムへのアプローチを拡張し、予測の不確実性に関する公式な境界を提供する。
  論文  参考訳（メタデータ） (2021-12-10T11:09:29Z)
• Essentially exact numerical modelling of flux qubit chains subject to charge and flux noise [0.45119235878273]
  電荷およびフラックス雑音を受けるフラックス量子ビット鎖をモデル化するための本質的に正確な数値計算法を提案する。 この手法は準断熱経路積分形式を用いて、系の還元密度行列を時間分解経路積分として表現する。 我々は、"spinbosonchain"と呼ばれるオープンソースのPythonライブラリにメソッドを実装しました。
  論文  参考訳（メタデータ） (2021-10-04T18:20:07Z)
• Scalable Variational Gaussian Processes via Harmonic Kernel Decomposition [54.07797071198249]
  汎用性を維持しつつ高い忠実度近似を提供する,スケーラブルな変分ガウス過程近似を導入する。 様々な回帰問題や分類問題において,本手法は変換やリフレクションなどの入力空間対称性を活用できることを実証する。 提案手法は, 純粋なGPモデルのうち, CIFAR-10 の最先端化を実現する。
  論文  参考訳（メタデータ） (2021-06-10T18:17:57Z)
• Sampling in Combinatorial Spaces with SurVAE Flow Augmented MCMC [83.48593305367523]
  ハイブリッドモンテカルロ(Hybrid Monte Carlo)は、複素連続分布からサンプリングする強力なマルコフ連鎖モンテカルロ法である。 本稿では,SurVAEフローを用いたモンテカルロ法の拡張に基づく新しい手法を提案する。 本稿では,統計学,計算物理学,機械学習など,様々な分野におけるアルゴリズムの有効性を実証し,代替アルゴリズムと比較した改良点を考察する。
  論文  参考訳（メタデータ） (2021-02-04T02:21:08Z)
• Isotropic SGD: a Practical Approach to Bayesian Posterior Sampling [18.64160180251004]
  この研究は、マルコフ連鎖モンテカルロ(SGMCMC)アルゴリズムの振舞いにおける勾配(SG)ノイズの役割の理解を深めるための統一的な数学的枠組みを定義する。 我々の定式化は, 定型学習率を用いてSG雑音を等方性にする, 後方サンプリングのための新しい実用的な手法の設計を解き放つ。 我々の提案は、sgmcmcの最先端技術と競合するが、より実用的である。
  論文  参考訳（メタデータ） (2020-06-09T07:31:21Z)
• Stochastic Optimization with Heavy-Tailed Noise via Accelerated Gradient Clipping [69.9674326582747]
  そこで本研究では,重み付き分散雑音を用いたスムーズな凸最適化のための,クリップ付きSSTMと呼ばれる新しい1次高速化手法を提案する。 この場合、最先端の結果を上回る新たな複雑さが証明される。 本研究は,SGDにおいて,ノイズに対する光細かな仮定を伴わずにクリッピングを施した最初の非自明な高確率複雑性境界を導出した。
  論文  参考訳（メタデータ） (2020-05-21T17:05:27Z)

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。