論文の概要: Accelerating Quantum Monte Carlo Calculations with Set-Equivariant Architectures and Transfer Learning

• arxiv url: http://arxiv.org/abs/2508.06441v1
• Date: Fri, 08 Aug 2025 16:33:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-11 20:39:06.303623
• Title: Accelerating Quantum Monte Carlo Calculations with Set-Equivariant Architectures and Transfer Learning
• Title（参考訳）: 集合同変アーキテクチャによる量子モンテカルロ計算の高速化と転移学習
• Authors: Manuel Gallego, Sebastián Roca-Jerat, David Zueco, Jesús Carrete,
• Abstract要約: そのステップを劇的に加速したり、バイパスしたりするために、set-transformerアーキテクチャをどのように利用できるかを示します。 本稿では,古典的イジングモデルから長距離相互作用を持つ量子システムまで,複雑さの増大を示す一連の例を紹介する。
• 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: Machine-learning (ML) ans\"atze have greatly expanded the accuracy and reach of variational quantum Monte Carlo (QMC) calculations, in particular when exploring the manifold quantum phenomena exhibited by spin systems. However, the scalability of QMC is still compromised by several other bottlenecks, and specifically those related to the actual evaluation of observables based on random deviates that lies at the core of the approach. Here we show how the set-transformer architecture can be used to dramatically accelerate or even bypass that step, especially for time-consuming operators such as powers of the magnetization. We illustrate the procedure with a range of examples of increasing complexity, from the classical Ising model to quantum systems with long-range interactions, and comprising both regressions (to predict observables) and classifications (to detect phase transitions). Moreover, we show how transfer learning can be leveraged to reduce the training cost by reusing knowledge from different systems and smaller system sizes.
• Abstract（参考訳）: 機械学習(ML) ans\atzeは、特にスピン系によって現れる多様体量子現象を探索する際に、変分量子モンテカルロ(QMC)計算の精度と到達範囲を大幅に拡大した。 しかし、QMCのスケーラビリティは、他のいくつかのボトルネック、特にアプローチのコアにあるランダムな偏差に基づく観測可能の実際の評価に関連する問題によって、いまだに損なわれている。 ここでは、磁化のパワーのような時間を要する演算子に対して、そのステップを劇的に加速したり、バイパスしたりするために、set-transformerアーキテクチャがどのように使用できるかを示す。 本稿では,古典的イジングモデルから長距離相互作用を持つ量子システム,および(可観測性を予測するために)回帰と(相転移を検出するために)分類の両方を含む,複雑さの増大の例を例に紹介する。 さらに、異なるシステムからの知識を再利用し、システムサイズを小さくすることで、トランスファーラーニングをどのように活用してトレーニングコストを削減できるかを示す。

関連論文リスト

• Non-perturbative switching rates in bistable open quantum systems: from driven Kerr oscillators to dissipative cat qubits [72.41778531863143]
  単一モードバイスタブルオープン量子系におけるスイッチング率の予測にはパス積分手法を用いる。 本研究は,マルチ安定な単体および多体オープン量子系におけるスイッチング現象を探索するための新たな道を開く。
  論文  参考訳（メタデータ） (2025-07-24T18:01:36Z)
• Unraveling Quantum Environments: Transformer-Assisted Learning in Lindblad Dynamics [0.0]
  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。
  論文  参考訳（メタデータ） (2025-05-11T10:18:19Z)
• Adaptive Non-local Observable on Quantum Neural Networks [10.617463958884528]
  量子回路のための適応的非局所測定フレームワークを提案する。 ハイゼンベルク像に着想を得て、VQC回転の最適化は観測可能な空間における軌道の追跡と一致することを示す。 非局所観測器と変分回転を適切に組み込むことで、量子ビット相互作用と情報混合が促進されることが示されている。
  論文  参考訳（メタデータ） (2025-04-18T02:20:12Z)
• Quantum-assisted variational Monte Carlo [1.283555556182245]
  量子多体系の基底状態を解くために,量子支援型変分モンテカルロ (QA-VMC) アルゴリズムを導入する。 提案手法は,従来の提案法に比べて絶対スペクトルギャップが大きく,自己相関時間も小さくなることを示す。
  論文  参考訳（メタデータ） (2025-02-28T07:31:38Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Unbiasing time-dependent Variational Monte Carlo by projected quantum evolution [44.99833362998488]
  量子系を古典的にシミュレートするためのモンテカルロ変分法(英語版)の精度とサンプルの複雑さを解析する。 時間依存変分モンテカルロ(tVMC)が最もよく用いられるスキームは、体系的な統計的バイアスによって影響を受けることを証明している。 本稿では,各段階における最適化問題の解法に基づく異なるスキームが,そのような問題から解放されていることを示す。
  論文  参考訳（メタデータ） (2023-05-23T17:38:10Z)
• Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits [70.97518416003358]
  変分量子回路(VQC)は、ノイズの多い中間スケール量子(NISQ)デバイス上での量子機械学習を約束する。 テンソルトレインネットワーク(TTN)はVQC表現と一般化を向上させることができるが、結果として得られるハイブリッドモデルであるTTN-VQCは、Polyak-Lojasiewicz(PL)条件による最適化の課題に直面している。 この課題を軽減するために,プレトレーニングTTNモデルとVQCを組み合わせたPre+TTN-VQCを導入する。
  論文  参考訳（メタデータ） (2023-05-18T03:08:18Z)
• 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)
• 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)

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。