論文の概要: Learning quantum phase transition in parametrized quantum circuits with an attention mechanism

• arxiv url: http://arxiv.org/abs/2506.06678v1
• Date: Sat, 07 Jun 2025 06:21:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-10 16:33:10.42536
• Title: Learning quantum phase transition in parametrized quantum circuits with an attention mechanism
• Title（参考訳）: 注目機構を持つパラメタライズド量子回路における量子相転移の学習
• Authors: Li Xin, Zhang-Qi Yin,
• Abstract要約: 多体量子状態と量子相転移を学習することは、量子多体物理学における大きな課題である。 本稿では,パラメータ化量子回路のパラメータを直接学習することにより,物理オブザーバブルの測定を回避できる新しいフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.18416014644193066
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Learning many-body quantum states and quantum phase transitions remains a major challenge in quantum many-body physics. Classical machine learning methods offer certain advantages in addressing these difficulties. In this work, we propose a novel framework that bypasses the need to measure physical observables by directly learning the parameters of parameterized quantum circuits. By integrating the attention mechanism from large language models (LLMs) with a variational autoencoder (VAE), we efficiently capture hidden correlations within the circuit parameters. These correlations allow us to extract information about quantum phase transitions in an unsupervised manner. Moreover, our VAE acts as a classical representation of parameterized quantum circuits and the corresponding many-body quantum states, enabling the efficient generation of quantum states associated with specific phases. We apply our framework to a variety of quantum systems and demonstrate its broad applicability, with particularly strong performance in identifying topological quantum phase transitions.
• Abstract（参考訳）: 多体量子状態と量子相転移を学習することは、量子多体物理学における大きな課題である。 古典的な機械学習手法は、これらの困難に対処する上で、ある種の利点を提供する。 本研究では,パラメータ化量子回路のパラメータを直接学習することにより,物理観測可能量を測定する必要性を回避できる新しいフレームワークを提案する。 大規模言語モデル(LLM)と変分オートエンコーダ(VAE)を統合することにより,回路パラメータ内の隠れ相関を効率的に捕捉する。 これらの相関により、教師なしの方法で量子相転移に関する情報を抽出することができる。 さらに、VAEはパラメータ化量子回路とそれに対応する多体量子状態の古典的な表現として機能し、特定の位相に関連する量子状態の効率的な生成を可能にする。 我々は、このフレームワークを様々な量子系に適用し、その広範な適用性を示し、特に位相量子相転移の同定において強い性能を示す。

関連論文リスト

• Quantum Equilibrium Propagation for efficient training of quantum systems based on Onsager reciprocity [0.0]
  平衡伝播(Equilibrium propagation、EP)は、平衡に緩和する古典的なエネルギーモデルに導入され応用された手順である。 ここでは、EPとOnsagerの相互性を直接接続し、これを利用してEPの量子バージョンを導出する。 これは任意の量子系の可観測物の期待値に依存する損失関数の最適化に使うことができる。
  論文  参考訳（メタデータ） (2024-06-10T17:22:09Z)
• 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。 リゲッティのAnkaa 9Q-1量子コンピュータで数値シミュレーションと実ハードウェア実験を行った。
  論文  参考訳（メタデータ） (2024-05-14T09:01:41Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
  本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。 特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
  論文  参考訳（メタデータ） (2021-12-27T21:15:35Z)
• Measurement-induced entanglement phase transitions in variational quantum circuits [0.4499833362998487]
  変分量子アルゴリズム(VQA)は古典的にパラメータ化された量子回路を最適化して計算処理を解く。 中間射影測定による変分量子回路の絡み合い遷移について検討する。 我々の研究は、現在利用可能な量子ハードウェアに中間計測プロトコルを組み込むことで、量子回路のトレーニング可能性を大幅に向上する道を開いた。
  論文  参考訳（メタデータ） (2021-11-15T19:00:28Z)
• Efficient criteria of quantumness for a large system of qubits [58.720142291102135]
  大規模部分量子コヒーレント系の基本パラメータの無次元結合について論じる。 解析的および数値計算に基づいて、断熱進化中の量子ビット系に対して、そのような数を提案する。
  論文  参考訳（メタデータ） (2021-08-30T23:50:05Z)
• Learning quantum phases via single-qubit disentanglement [4.266508670102269]
  本稿では、強化学習最適化変分量子回路による解離を利用した、新しい、効率的な量子位相遷移を提案する。 提案手法は, 分離回路の性能に基づく位相遷移を同定するだけでなく, 拡張性にも優れ, より大規模で複雑な量子システムへの応用が促進される。
  論文  参考訳（メタデータ） (2021-07-08T00:15:31Z)
• 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)
• Quantum Phases of Matter on a 256-Atom Programmable Quantum Simulator [41.74498230885008]
  決定論的に作成された中性原子の2次元配列に基づくプログラマブル量子シミュレータを実証する。 我々は高忠実度反強磁性状態の生成と特徴付けによりシステムをベンチマークする。 次に、相互作用とコヒーレントレーザー励起の間の相互作用から生じるいくつかの新しい量子相を作成し、研究する。
  論文  参考訳（メタデータ） (2020-12-22T19:00:04Z)

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。