論文の概要: Unraveling Quantum Environments: Transformer-Assisted Learning in Lindblad Dynamics

• arxiv url: http://arxiv.org/abs/2505.06928v1
• Date: Sun, 11 May 2025 10:18:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:49.119634
• Title: Unraveling Quantum Environments: Transformer-Assisted Learning in Lindblad Dynamics
• Title（参考訳）: 量子環境の解明:リンドブラッドダイナミクスにおけるトランスフォーマー支援学習
• Authors: Chi-Sheng Chen, En-Jui Kuo,
• Abstract要約: 本稿では,量子システムにおける時間依存散逸率を推定するためのTransformerベースの機械学習フレームワークを提案する。 複雑性を増大させるオープン量子モデルの階層化に対する我々のアプローチの有効性を実証する。 我々の結果は、現代の機械学習ツールが、オープン量子システムにおける未知の環境を特定するためのスケーラブルでデータ駆動の代替手段として役立つことを示唆している。
• 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: Understanding dissipation in open quantum systems is crucial for the development of robust quantum technologies. In this work, we introduce a Transformer-based machine learning framework to infer time-dependent dissipation rates in quantum systems governed by the Lindblad master equation. Our approach uses time series of observable quantities, such as expectation values of single Pauli operators, as input to learn dissipation profiles without requiring knowledge of the initial quantum state or even the system Hamiltonian. We demonstrate the effectiveness of our approach on a hierarchy of open quantum models of increasing complexity, including single-qubit systems with time-independent or time-dependent jump rates, two-qubit interacting systems (e.g., Heisenberg and transverse Ising models), and the Jaynes--Cummings model involving light--matter interaction and cavity loss with time-dependent decay rates. Our method accurately reconstructs both fixed and time-dependent decay rates from observable time series. To support this, we prove that under reasonable assumptions, the jump rates in all these models are uniquely determined by a finite set of observables, such as qubit and photon measurements. In practice, we combine Transformer-based architectures with lightweight feature extraction techniques to efficiently learn these dynamics. Our results suggest that modern machine learning tools can serve as scalable and data-driven alternatives for identifying unknown environments in open quantum systems.
• Abstract（参考訳）: オープン量子システムにおける散逸を理解することは、堅牢な量子技術の発展に不可欠である。 本研究では,Lindbladマスター方程式が支配する量子システムにおいて,時間依存性の散逸率を推定するトランスフォーマーベースの機械学習フレームワークを提案する。 提案手法では,単一パウリ作用素の期待値などの観測可能な量の時系列を,初期量子状態やハミルトニアンの知識を必要とせず,散逸プロファイルを学習するための入力として用いる。 我々は,時間非依存あるいは時間依存のジャンプ率を持つ単一量子ビット系,2量子相互作用系(例えば,ハイゼンベルクおよび横アイシングモデル),および光-物質相互作用と時間依存の減衰率を伴う空洞損失を含むJaynes-Cummingsモデルなど,複雑性を増大させるオープン量子モデルの階層化に対するアプローチの有効性を実証する。 本手法は,観測可能な時系列から固定および時間依存の減衰率の両方を正確に再構成する。 これを支持するために、妥当な仮定の下では、これらのモデルのジャンプ速度は、キュービットや光子測定のような観測可能な有限集合によって一意に決定される。 実際に、トランスフォーマーベースのアーキテクチャと軽量な特徴抽出技術を組み合わせて、これらのダイナミクスを効率的に学習する。 我々の結果は、現代の機械学習ツールが、オープン量子システムにおける未知の環境を特定するためのスケーラブルでデータ駆動の代替手段として役立つことを示唆している。

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)
• Ab-initio variational wave functions for the time-dependent many-electron Schrödinger equation [41.94295877935867]
  平均場近似を超越したフェルミオン時間依存波動関数に対する変動的アプローチを提案する。 ニューラルネットワークのパラメータ化によって拡張された時間依存のJastrow因子とバックフロー変換を使用します。 この結果は、時間進化を正確に捉え、相互作用する電子系の量子力学に関する洞察を与える、我々の変分的アプローチの能力を示している。
  論文  参考訳（メタデータ） (2024-03-12T09:37:22Z)
• Qubit-environment entanglement in time-dependent pure dephasing [0.0]
  システム環境の絡み合いを定量化する方法は、時間依存ハミルトニアンに簡単に一般化できることを示す。 我々はこれらの手法を用いて、キュービットオシレータシステムのデコヒーレンスの性質を研究する。
  論文  参考訳（メタデータ） (2023-12-05T11:23:25Z)
• Classical Verification of Quantum Learning [42.362388367152256]
  量子学習の古典的検証のための枠組みを開発する。 そこで我々は,新しい量子データアクセスモデルを提案し,これを"mixture-of-superpositions"量子例と呼ぶ。 この結果から,学習課題における量子データの潜在能力は無限ではないものの,古典的エージェントが活用できることが示唆された。
  論文  参考訳（メタデータ） (2023-06-08T00:31:27Z)
• Learning quantum systems via out-of-time-order correlators [0.27961972519572437]
  時間外相関器は、強い相互作用を持つシステムの学習性を大幅に向上させることができることを示す。 我々はこれらの利点を様々な学習問題で数値的に特徴づけ、読み出し誤りとデコヒーレンスの両方に頑健であることがわかった。
  論文  参考訳（メタデータ） (2022-08-03T18:00:00Z)
• A quantum generative model for multi-dimensional time series using Hamiltonian learning [0.0]
  このような特徴を符号化する手法として,量子力学のシミュレートに量子コンピュータの本質的性質を用いることを提案する。 学習したモデルを用いて、サンプル外の時系列を生成し、学習した時系列のユニークで複雑な特徴をキャプチャすることを示す。 提案手法を11量子ビットトラップイオン量子マシン上で実験的に実証した。
  論文  参考訳（メタデータ） (2022-04-13T03:06:36Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Continuous-time dynamics and error scaling of noisy highly-entangling quantum circuits [58.720142291102135]
  最大21キュービットの雑音量子フーリエ変換プロセッサをシミュレートする。 我々は、デジタルエラーモデルに頼るのではなく、微視的な散逸過程を考慮に入れている。 動作中の消散機構によっては、入力状態の選択が量子アルゴリズムの性能に強い影響を与えることが示される。
  論文  参考訳（メタデータ） (2021-02-08T14:55:44Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)
• Fast and differentiable simulation of driven quantum systems [58.720142291102135]
  我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。 回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
  論文  参考訳（メタデータ） (2020-12-16T21:43:38Z)

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。