論文の概要: Solving excited states for long-range interacting trapped ions with neural networks
- arxiv url: http://arxiv.org/abs/2506.08594v1
- Date: Tue, 10 Jun 2025 09:02:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-11 15:11:42.067954
- Title: Solving excited states for long-range interacting trapped ions with neural networks
- Title（参考訳）: トラップイオンとニューラルネットワークとの長距離相互作用における励起状態の解法
- Authors: Yixuan Ma, Chang Liu, Weikang Li, Shun-Yao Zhang, L. -M. Duan, Yukai Wu, Dong-Ling Deng,
- Abstract要約: 本稿では,量子多体スピン系の複数の低次励起状態を同時に出力するニューラルネットワークに基づくアルゴリズムを提案する。
NQESアルゴリズムは、複数の励起状態とその関連する観測可能な期待値を効率的に計算することができる。
量子多体系を相互作用する励起状態を計算するためのスケーラブルで効率的なアルゴリズムを構築した。
- 参考スコア（独自算出の注目度）: 4.294084794573824
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The computation of excited states in strongly interacting quantum many-body systems is of fundamental importance. Yet, it is notoriously challenging due to the exponential scaling of the Hilbert space dimension with the system size. Here, we introduce a neural network-based algorithm that can simultaneously output multiple low-lying excited states of a quantum many-body spin system in an accurate and efficient fashion. This algorithm, dubbed the neural quantum excited-state (NQES) algorithm, requires no explicit orthogonalization of the states and is generally applicable to higher dimensions. We demonstrate, through concrete examples including the Haldane-Shastry model with all-to-all interactions, that the NQES algorithm is capable of efficiently computing multiple excited states and their related observable expectations. In addition, we apply the NQES algorithm to two classes of long-range interacting trapped-ion systems in a two-dimensional Wigner crystal. For non-decaying all-to-all interactions with alternating signs, our computed low-lying excited states bear spatial correlation patterns similar to those of the ground states, which closely match recent experimental observations that the quasi-adiabatically prepared state accurately reproduces analytical ground-state correlations. For a system of up to 300 ions with power-law decaying antiferromagnetic interactions, we successfully uncover its gap scaling and correlation features. Our results establish a scalable and efficient algorithm for computing excited states of interacting quantum many-body systems, which holds potential applications ranging from benchmarking quantum devices to photoisomerization.
- Abstract（参考訳）: 強い相互作用を持つ量子多体系における励起状態の計算は、基本的な重要性である。
しかし、ヒルベルト空間次元とシステムサイズとの指数的スケーリングのため、これは非常に難しい。
本稿では,量子多体スピン系の複数の低次励起状態を高精度かつ効率的に同時に出力するニューラルネットワークに基づくアルゴリズムを提案する。
このアルゴリズムはニューラル量子励起状態(NQES)アルゴリズムと呼ばれ、状態の明示的な直交化を必要とせず、一般に高次元に適用できる。
我々は,すべての相互作用を持つHaldane-Shastryモデルを含む具体的な例を通して,NQESアルゴリズムが複数の励起状態とその関連する観測可能な期待値を効率的に計算できることを実証する。
さらに,NQESアルゴリズムを2次元ウィグナー結晶中の長距離相互作用型イオン系の2つのクラスに適用する。
相互に交互に交互に交互に交互に交互に相互作用する場合, 計算された低次励起状態は, 基底状態と同様の空間的相関パターンを持ち, 準断熱的に準備された状態が解析的基底状態相関を正確に再現する最近の実験結果と密に一致している。
強弱崩壊する反強磁性相互作用を持つ最大300個のイオン系に対して,そのギャップスケーリングと相関特性を明らかにすることに成功している。
本研究は, 量子デバイスベンチマークから光異性化に至るまで, 量子多体系の相互作用の励起状態を計算するためのスケーラブルで効率的なアルゴリズムを構築した。
関連論文リスト
- A Novel Quantum Algorithm for Efficient Attractor Search in Gene Regulatory Networks [0.0978224644130106]
我々はGroverのアルゴリズムにインスパイアされた新しい量子探索アルゴリズムを量子コンピューティングプラットフォームに実装する。
このアルゴリズムは、一様重ね合わせから以前に発見された引き金の盆地に属する状態を反復的に抑制する。
ノイズに対する耐性試験は、現在のノイズ中間スケール量子コンピューティング(NISQ)時代のデバイスでも有望な性能を示している。
論文 参考訳（メタデータ） (2024-08-16T15:48:45Z) - Subspace-Search Quantum Imaginary Time Evolution for Excited State Computations [0.0]
本稿では,量子デバイスを用いた励起状態の計算を行うSSQITE法を提案する。
SSQITEは局所的な最小値を避けることの堅牢さから、広範囲のアプリケーションにまたがる励起状態の量子計算を推し進めることを約束している。
論文 参考訳（メタデータ） (2024-07-15T19:14:45Z) - Solving reaction dynamics with quantum computing algorithms [42.408991654684876]
線形応答によって支配される異なる反応を記述することに関連する応答関数の量子アルゴリズムについて検討する。
我々は原子核物理学の応用に焦点をあて、格子上の量子ビット効率のマッピングを検討し、現実的な散乱シミュレーションに必要な大量の量を効率的に表現することができる。
論文 参考訳（メタデータ） (2024-03-30T00:21:46Z) - Message-Passing Neural Quantum States for the Homogeneous Electron Gas [41.94295877935867]
連続空間における強相互作用フェルミオンをシミュレートするメッセージパッシング・ニューラルネットワークに基づく波動関数Ansatzを導入する。
等質電子ガスの基底状態を3次元でシミュレーションすることにより,その精度を実証する。
論文 参考訳（メタデータ） (2023-05-12T04:12:04Z) - Machine learning one-dimensional spinless trapped fermionic systems with
neural-network quantum states [1.6606527887256322]
ガウスポテンシャルを介して相互作用する完全に偏極された1次元フェルミオン系の基底状態特性を計算する。
我々は、波動関数のアンサッツとして、反対称人工ニューラルネットワーク(英語版)またはニューラル量子状態を用いる。
相互作用の兆候によって、非常に異なる基底状態が見つかる。
論文 参考訳（メタデータ） (2023-04-10T17:36:52Z) - Towards Neural Variational Monte Carlo That Scales Linearly with System
Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。
量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。
ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文 参考訳（メタデータ） (2022-12-21T19:00:04Z) - Optimal quantum control via genetic algorithms for quantum state
engineering in driven-resonator mediated networks [68.8204255655161]
進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。
我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。
アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
論文 参考訳（メタデータ） (2022-06-29T14:34:00Z) - Neural-Network Quantum States for Periodic Systems in Continuous Space [66.03977113919439]
我々は、周期性の存在下での強い相互作用を持つシステムのシミュレーションのために、神経量子状態の族を紹介する。
一次元系では、基底状態エネルギーと粒子の放射分布関数を非常に正確に推定する。
二つの次元において基底状態エネルギーの優れた推定値を得るが、これはより伝統的な手法から得られる結果に匹敵する。
論文 参考訳（メタデータ） (2021-12-22T15:27:30Z) - Variational Monte Carlo calculations of $\mathbf{A\leq 4}$ nuclei with
an artificial neural-network correlator ansatz [62.997667081978825]
光核の基底状態波動関数をモデル化するためのニューラルネットワーク量子状態アンサッツを導入する。
我々は、Aleq 4$核の結合エネルギーと点核密度を、上位のピオンレス実効場理論から生じるものとして計算する。
論文 参考訳（メタデータ） (2020-07-28T14:52:28Z) - Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。
我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文 参考訳（メタデータ） (2019-12-31T07:40:23Z)
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。