論文の概要: Tree tensor network hierarchical equations of motion based on time-dependent variational principle for efficient open quantum dynamics in structured thermal environments

• arxiv url: http://arxiv.org/abs/2505.00126v1
• Date: Wed, 30 Apr 2025 18:48:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:55.154449
• Title: Tree tensor network hierarchical equations of motion based on time-dependent variational principle for efficient open quantum dynamics in structured thermal environments
• Title（参考訳）: 構造熱環境における効率的な開量子力学のための時間依存性変動原理に基づく木テンソルネットワーク階層運動方程式
• Authors: Xinxian Chen, Ignacio Franco,
• Abstract要約: ボゾン浴と相互作用する駆動量子系に対するオープン量子力学を正確に計算するための効率的なTTN-HEOM法を提案する。 結合マスター方程式に対する3つの一般的なプロパゲータを実装した。 この結果から,TTN-HEOMは,構造浴と相互作用する量子駆動系の劣化と緩和のダイナミクスをシミュレートできることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce an efficient method TTN-HEOM for exactly calculating the open quantum dynamics for driven quantum systems interacting with highly structured bosonic baths by combining the tree tensor network (TTN) decomposition scheme to the bexcitonic generalization of the numerically-exact hierarchical equations of motion (HEOM). The method yields a series of quantum master equations for all core tensors in the TTN that efficiently and accurately capture the open quantum dynamics for non-Markovian environments to all orders in the system-bath interaction. These master equations are constructed based on the time-dependent Dirac-Frenkel variational principle which isolates the optimal dynamics for the core tensors given the TTN ansatz. The dynamics converges to the HEOM when increasing the rank of the core tensors, a limit in which the TTN ansatz becomes exact. We introduce TENSO, Tensor Equations for Non-Markovian Structured Open systems, as a general-purpose Python code to propagate the TTN-HEOM dynamics. We implement three general propagators for the coupled master equations: Two fixed-rank methods that require a constant memory footprint during the dynamics, and one adaptive-rank method with variable memory footprint controlled by the target level of computational error. We exemplify the utility of these methods by simulating a two-level system coupled to a structured bath containing one Drude-Lorentzian component and eight Brownian oscillators, which is beyond what can presently be computed using the standard HEOM. Our results show that the TTN-HEOM is capable to simulate both dephasing and relaxation dynamics of driven quantum system interacting with structured baths, even those of chemical complexity, with affordable computational cost.
• Abstract（参考訳）: 本研究では, 木テンソルネットワーク(TTN)分解スキームと, 数値実効的階層型運動方程式(HEOM)のベキシトニック一般化を組み合わせることで, 高度に構造化されたボソニックバスと相互作用する駆動量子系の開量子力学を正確に計算する効率的な方法であるTTN-HEOMを提案する。 この方法では、TTN内の全てのコアテンソルに対して一連の量子マスター方程式が生成され、非マルコフ環境の開量子力学を効率よく正確に、システム-バス相互作用の全ての順序にキャプチャする。 これらのマスター方程式は、TTNアンザッツを与えられたコアテンソルの最適動力学を分離する時間依存のディラック・フランケル変分法に基づいて構成される。 力学はコアテンソルのランクを上げるとHEOMに収束し、TTNアンザッツが正確になる極限となる。 我々はTENSO, Tensor Equations for Non-Markovian Structured Open Systemsを紹介する。 2つの固定ランク法は、動的に一定のメモリフットプリントを必要とするが、1つの適応ランク法は、計算誤差の目標レベルによって制御される。 本研究では, ドリュー・ローレンツ成分1個とブラウン振動子8個を含む構造浴に結合した2レベル系を模擬することにより, これらの手法の有用性を実証する。 以上の結果から,TTN-HEOMは,構造化浴槽と相互作用する駆動量子系の劣化力学と緩和力学の両方を,安価な計算コストでシミュレートできることが示唆された。

関連論文リスト

• Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
  本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。 具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。 ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
  論文  参考訳（メタデータ） (2025-03-24T03:19:45Z)
• pyTTN: An Open Source Toolbox for Open and Closed System Quantum Dynamics Simulations Using Tree Tensor Networks [0.0]
  pyTTNは閉および開量子系の力学特性を評価するためのパッケージである。 pyTTNには、ゼロ温度と有限温度の計算を簡単に設定できるいくつかの機能が含まれている。 本報告では,24モードピラジンの光励起ダイナミクスの広範に使用されているベンチマークケースから,パッケージの一連の応用について述べる。
  論文  参考訳（メタデータ） (2025-03-19T17:40:49Z)
• 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)
• Optimal Tree Tensor Network Operators for Tensor Network Simulations: Applications to Open Quantum Systems [0.0]
  ツリーテンソルネットワーク状態(TTNS)は、システムの波動関数を低ランクテンソルの積に分解する。 本稿では,任意の積和シンボル量子演算子に対して,最適かつ正確なツリーテンソルネットワーク演算子(TTNO)を自動構築するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-18T02:15:52Z)
• Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
  我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。 我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。 本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
  論文  参考訳（メタデータ） (2024-05-22T17:23:15Z)
• Hybrid quantum physics-informed neural networks for simulating computational fluid dynamics in complex shapes [37.69303106863453]
  本稿では3次元Y字ミキサー内の層流をシミュレートするハイブリッド量子物理学インフォームドニューラルネットワークを提案する。 我々のアプローチは、量子モデルの表現力と物理インフォームドニューラルネットワークの柔軟性を組み合わせることで、純粋に古典的なニューラルネットワークに比べて21%高い精度を実現している。
  論文  参考訳（メタデータ） (2023-04-21T20:49:29Z)
• A self-consistent field approach for the variational quantum eigensolver: orbital optimization goes adaptive [52.77024349608834]
  適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。 このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
  論文  参考訳（メタデータ） (2022-12-21T23:15:17Z)
• 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)
• A Multisite Decomposition of the Tensor Network Path Integrals [0.0]
  我々は、テンソルネットワークパス積分(TNPI)フレームワークを拡張し、局所的な散逸環境を持つ量子システムを効率的にシミュレートする。 MS-TNPI法は溶媒と結合した様々な拡張量子系の研究に有用である。
  論文  参考訳（メタデータ） (2021-09-20T17:55:53Z)
• Quantum-Classical Hybrid Algorithm for the Simulation of All-Electron Correlation [58.720142291102135]
  本稿では、分子の全電子エネルギーと古典的コンピュータ上の特性を計算できる新しいハイブリッド古典的アルゴリズムを提案する。 本稿では,現在利用可能な量子コンピュータ上で,化学的に関連性のある結果と精度を実現する量子古典ハイブリッドアルゴリズムの能力を実証する。
  論文  参考訳（メタデータ） (2021-06-22T18:00:00Z)
• Autoregressive Transformer Neural Network for Simulating Open Quantum Systems via a Probabilistic Formulation [5.668795025564699]
  オープン量子システムのダイナミクスに対処するためのアプローチを提案する。 自己回帰変換ニューラルネットワークを用いて量子状態をコンパクトに表現する。 効率的なアルゴリズムは、リウヴィリア超作用素の力学をシミュレートするために開発された。
  論文  参考訳（メタデータ） (2020-09-11T18:00:00Z)
• Efficient variational contraction of two-dimensional tensor networks with a non-trivial unit cell [0.0]
  テンソルネットワーク状態は、強い相関の量子モデルとシステムを忠実にキャプチャする効率的な状態のクラスを提供する。 我々は最近提案された一次元量子格子をキャプチャするための変分行列積状態アルゴリズムを一般化する。 このアルゴリズムの重要な性質は、単位セルのサイズを指数的にではなく線形にスケールする計算努力である。
  論文  参考訳（メタデータ） (2020-03-02T19:01:06Z)

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。