Fugu-MT 論文翻訳(概要): Distinguishing Ordered Phases using Machine Learning and Classical Shadows

論文の概要: Distinguishing Ordered Phases using Machine Learning and Classical Shadows

arxiv url: http://arxiv.org/abs/2501.17837v1
Date: Wed, 29 Jan 2025 18:35:40 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-30 15:53:45.231854
Title: Distinguishing Ordered Phases using Machine Learning and Classical Shadows
Title（参考訳）: 機械学習と古典的影を用いた秩序相の識別
Authors: Leandro Morais, Tiago Pernambuco, Rodrigo G. Pereira, Askery Canabarro, Diogo O. Soares-Pinto, Rafael Chaves,
Abstract要約: 本研究は,古典的影と教師なし機械学習を組み合わせることにより,量子相転移を同定する枠組みを提案する。少ない量子ビットでも、ハミルトニアンモデルの異なる位相を効果的に区別することができる。
参考スコア（独自算出の注目度）: 0.3769303106863453
License:
Abstract: Classifying phase transitions is a fundamental and complex challenge in condensed matter physics. This work proposes a framework for identifying quantum phase transitions by combining classical shadows with unsupervised machine learning. We use the axial next-nearest neighbor Ising model as our benchmark and extend the analysis to the Kitaev-Heisenberg model on a two-leg ladder. Even with few qubits, we can effectively distinguish between the different phases of the Hamiltonian models. Moreover, given that we only rely on two-point correlator functions, the classical shadows protocol enables the cost of the analysis to scale logarithmically with the number of qubits, making our approach a scalable and efficient way to study phase transitions in many-body systems.
Abstract（参考訳）: 相転移の分類は、凝縮物質物理学における基本的で複雑な問題である。本研究は,古典的影と教師なし機械学習を組み合わせることにより,量子相転移を同定する枠組みを提案する。我々は, 隣り合う軸方向のアイシングモデルをベンチマークとして使用し, 解析を北エフ・ハイゼンベルクモデルに拡張する。少ない量子ビットでも、ハミルトニアンモデルの異なる位相を効果的に区別することができる。さらに,2点相関関数のみに頼っているため,従来のシャドウプロトコルでは,解析のコストとキュービット数の対数的スケールが可能である。

関連論文リスト

Categorical Symmetries in Spin Models with Atom Arrays [2.321156230142032]
カテゴリー対称性は近年、物質の相の分類を一般化することが示されている。本稿では,すべての相のギャップと2次相転移を包含する単純なスピンチェーンモデルを提案する。
論文参考訳（メタデータ） (2024-12-19T16:37:21Z)
Efficiency of Dynamical Decoupling for (Almost) Any Spin-Boson Model [44.99833362998488]
構造ボソニック環境と結合した2レベル系の動的疎結合を解析的に検討した。このようなシステムに対して動的疎結合が機能する十分な条件を見つける。私たちの境界は、様々な関連するシステムパラメータで正しいスケーリングを再現します。
論文参考訳（メタデータ） (2024-09-24T04:58:28Z)
Order Parameter Discovery for Quantum Many-Body Systems [0.4711628883579317]
本稿では, 位相図作成のための新しい手法について紹介する。この方法では、量子位相をマッピングし、最適化問題を定式化し、順序パラメータに対応する可観測性を発見する。本稿では,Axial Next Nearest Neighbour Interaction(ANNNI)モデル,クラスタ状態モデル,およびRydberg原子の連鎖など,確立されたモデルに適用することで,アプローチの有効性を実証する。
論文参考訳（メタデータ） (2024-08-02T17:25:04Z)
Unveiling quantum phase transitions from traps in variational quantum algorithms [0.0]
量子最適化と古典的機械学習を組み合わせたハイブリッドアルゴリズムを提案する。従来の位相遷移の同定にはLASSO、トポロジカル遷移にはTransformerモデルを用いる。我々のプロトコルは効率と精度を大幅に向上させ、量子コンピューティングと機械学習の統合における新たな道を開く。
論文参考訳（メタデータ） (2024-05-14T09:01:41Z)
Lindblad-like quantum tomography for non-Markovian quantum dynamical maps [46.350147604946095]
本稿では,Lindblad-like quantum tomography (L$ell$QT) を量子情報プロセッサにおける時間相関ノイズの量子的特徴付け手法として紹介する。単一量子ビットの強調力学について、L$ell$QT を詳細に論じ、量子進化の複数のスナップショットを可能性関数に含めることの重要性を正確に理解することができる。
論文参考訳（メタデータ） (2024-03-28T19:29:12Z)
Detecting quantum phase transitions in a frustrated spin chain via transfer learning of a quantum classifier algorithm [1.2145532233226681]
量子相転移を同定するための代替フレームワークを提案する。 ANNNIモデルをベンチマークとして、機械学習が3つのフェーズを検出する方法を示す。また,従来の機械学習手法とQNN(Quantum Near neighbors)アルゴリズムの比較を行った。
論文参考訳（メタデータ） (2023-09-27T01:11:11Z)
Quantum Effects on the Synchronization Dynamics of the Kuramoto Model [62.997667081978825]
量子揺らぎは同期の出現を妨げるが、完全に抑制するわけではない。モデルパラメータへの依存を強調して,臨界結合の解析式を導出する。
論文参考訳（メタデータ） (2023-06-16T16:41:16Z)
The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
論文参考訳（メタデータ） (2022-12-22T16:06:24Z)
Topological correlations in three dimensional classical Ising models: an exact solution with a continuous phase transition [8.83889166043817]
我々は、あるカップリング定数がある虚数値を取るとき、正確に解ける3次元古典イジングモデルについて研究する。実カップリング定数を持つ、密解可能な3次元古典的統計モデルもまた、これらの相の位相的特徴を示す。
論文参考訳（メタデータ） (2022-02-23T04:22:30Z)
Probing the topological Anderson transition with quantum walks [48.7576911714538]
光線形ネットワークにおける1次元量子ウォークについて考察する。ウォーカーの確率分布を直接監視するオプションは、この光学プラットフォームを1次元トポロジカルアンダーソン転移のユニークなシグネチャの実験的観察に最適である。
論文参考訳（メタデータ） (2021-02-01T21:19:15Z)
Unsupervised machine learning of quantum phase transitions using diffusion maps [77.34726150561087]
本研究では, 測定データの非線形次元減少とスペクトルクラスタリングを行う拡散写像法が, 教師なしの複雑な位相遷移を学習する上で有意なポテンシャルを持つことを示す。この方法は、局所観測可能量の単一の基底での測定に役立ち、多くの実験的な量子シミュレータに容易に適用できる。
論文参考訳（メタデータ） (2020-03-16T18:40:13Z)

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。