論文の概要: Continuous-time parametrization of neural quantum states for quantum dynamics
- arxiv url: http://arxiv.org/abs/2507.08418v2
- Date: Mon, 14 Jul 2025 04:47:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-15 12:29:47.616106
- Title: Continuous-time parametrization of neural quantum states for quantum dynamics
- Title（参考訳）: 量子力学のためのニューラル量子状態の連続時間パラメトリゼーション
- Authors: Dingzu Wang, Wenxuan Zhang, Xiansong Xu, Dario Poletti,
- Abstract要約: ニューラル量子状態は、多体量子力学をシミュレートするための有望なフレームワークである。
我々は、制限されたボルツマンマシンを瞬時ニューラルネットワークアーキテクチャとして用いて、正確な時間進化を実証する。
- 参考スコア（独自算出の注目度）: 17.826631514127012
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Neural quantum states are a promising framework for simulating many-body quantum dynamics, as they can represent states with volume-law entanglement. As time evolves, the neural network parameters are typically optimized at discrete time steps to approximate the wave function at each point in time. Given the differentiability of the wave function stemming from the Schr\"odinger equation, here we impose a time-continuous and differentiable parameterization of the neural network by expressing its parameters as linear combinations of temporal basis functions with trainable, time-independent coefficients. We test this ansatz, referred to as the smooth neural quantum state ($s$-NQS) with a loss function defined over an extended time interval, under a sudden quench of a non-integrable many-body quantum spin chain. We demonstrate accurate time evolution using simply a restricted Boltzmann machine as the instantaneous neural network architecture. Furthermore, we demonstrate that the parameterization is efficient in the number of parameters and the smooth neural quantum state allows us to initialize and evaluate the wave function at times not included in the training set, both within and beyond the training interval.
- Abstract（参考訳）: ニューラル量子状態は、多体量子力学をシミュレートするための有望なフレームワークである。
時間経過とともに、ニューラルネットワークパラメータは通常、各時点の波動関数を近似するために離散時間ステップで最適化される。
Schr\\odinger方程式から導かれる波動関数の微分可能性を考えると、時間的基底関数とトレーニング可能な時間非依存係数との線形結合としてパラメータを表現することにより、ニューラルネットワークの時間連続かつ微分可能なパラメータ化を課す。
このアンザッツはスムーズなニューラル量子状態(s$-NQS)と呼ばれ、長い時間間隔で定義された損失関数を、積分不能な多体量子スピンチェーンの急激なクエンチの下でテストする。
我々は、制限されたボルツマンマシンを瞬時ニューラルネットワークアーキテクチャとして用いて、正確な時間進化を実証する。
さらに、パラメータ化がパラメータ数において効率的であることを示し、スムーズなニューラルネットワーク量子状態により、トレーニング間隔内とトレーニング間隔外の両方でトレーニングセットに含まれないタイミングで波動関数を初期化および評価することができることを示した。
関連論文リスト
- Overcoming the entanglement barrier with sampled tensor networks [0.0]
我々は,汎用ローカル演算子の期待値をサンプリングし,評価するハイブリッドネットワーク/モンテカルロ(TN-MC)アルゴリズムを開発した。
波動関数振幅の正確な収縮は、時間とともに好ましいスケーリングの結果である。
この結果から,局所作用素の期待値を計算すると,一次元ハミルトン進化における絡み合い障壁を回避できることが示唆された。
論文 参考訳（メタデータ） (2025-05-14T18:14:47Z) - Many-body dynamics with explicitly time-dependent neural quantum states [0.0]
時間依存型ニューラル量子状態(t-NQS)を導入する。
時間に依存しないパラメータの集合を1つに最適化し、時間に依存するシュリンガー方程式を全時間間隔で解く。
結果はt-NQSを強い相関系における量子力学を探索する強力なフレームワークとして確立する。
論文 参考訳（メタデータ） (2024-12-16T14:53:26Z) - Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
ランダム量子スピン系の進化をモデル化するためにFNOを用いる。
量子波動関数全体の2n$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) - Hysteresis and Self-Oscillations in an Artificial Memristive Quantum Neuron [79.16635054977068]
本研究では, 量子メムリスタを含む人工ニューロン回路について, 緩和と脱落の存在下で検討した。
この物理原理は、量子デバイスの電流電圧特性のヒステリシス的挙動を可能にすることを実証する。
論文 参考訳（メタデータ） (2024-05-01T16:47:23Z) - 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) - Dynamics with autoregressive neural quantum states: application to
critical quench dynamics [41.94295877935867]
本稿では、量子系の長時間のダイナミクスを安定的に捉えるための代替の汎用スキームを提案する。
二次元量子イジングモデルにおけるキブル・ズレーク機構の解明により,時間依存性のクエンチ力学にこのスキームを適用した。
論文 参考訳（メタデータ） (2022-09-07T15:50:00Z) - An Empirical Study of Quantum Dynamics as a Ground State Problem with
Neural Quantum States [0.0]
ニューラルネットワークは、ニューラルネットワークによってパラメータ化される変動波動関数である。
多体物理学の文脈では、変分モンテカルロや変分波動関数としてのニューラル量子状態のような手法が近似に成功している。
しかしながら、ニューラルネットワークアーキテクチャを提案することの難しさは、その表現性とトレーニング容易性を探究することとともに、ニューラルネットワークをニューラルネットワーク状態として利用することにまで及んでいる。
論文 参考訳（メタデータ） (2022-06-18T16:42:39Z) - Parametrized constant-depth quantum neuron [56.51261027148046]
本稿では,カーネルマシンをベースとした量子ニューロン構築フレームワークを提案する。
ここでは、指数的に大きい空間にテンソル積特徴写像を適用するニューロンについて述べる。
パラメトリゼーションにより、提案されたニューロンは、既存のニューロンが適合できない基礎となるパターンを最適に適合させることができることが判明した。
論文 参考訳（メタデータ） (2022-02-25T04:57:41Z) - 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) - 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) - 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) - Recurrent Neural Network Wave Functions [0.36748639131154304]
人工知能革命から生まれた中核技術は、リカレントニューラルネットワーク(RNN)である。
凝縮物質物理学者に対するいくつかの量子スピンモデルに対する基底状態エネルギー,相関関数,エンタングルメントエントロピーを計算し,RNN波動関数の有効性を示す。
論文 参考訳（メタデータ） (2020-02-07T19:00:03Z)
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。