論文の概要: Autoregressive Typical Thermal States

• arxiv url: http://arxiv.org/abs/2508.13455v1
• Date: Tue, 19 Aug 2025 02:20:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-20 15:36:31.769297
• Title: Autoregressive Typical Thermal States
• Title（参考訳）: 自己回帰型常温状態
• Authors: Tarun Advaith Kumar, Leon Balents, Timothy H. Hsieh, Roger G. Melko,
• Abstract要約: 本稿では,量子系の有限温度特性を計算するための自己回帰フレームワークを提案する。 このアルゴリズムをスピン1/2量子XY鎖の正確な結果と比較することにより、自己回帰的な典型的な熱状態が正確に熱観測値を計算することができることを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A variety of generative neural networks recently adopted from machine learning have provided promising strategies for studying quantum matter. In particular, the success of autoregressive models in natural language processing has motivated their use as variational ans\"atze, with the hope that their demonstrated ability to scale will transfer to simulations of quantum many-body systems. In this paper, we introduce an autoregressive framework to calculate finite-temperature properties of a quantum system based on the imaginary-time evolution of an ensemble of pure states. We find that established approaches based on minimally entangled typical thermal states (METTS) have numerical instabilities when an autoregressive recurrent neural network is used as the variational ans\"atz. We show that these instabilities can be mitigated by evolving the initial ensemble states with a unitary operation, along with applying a threshold to curb runaway evolution of ensemble members. By comparing our algorithm to exact results for the spin 1/2 quantum XY chain, we demonstrate that autoregressive typical thermal states are capable of accurately calculating thermal observables.
• Abstract（参考訳）: 最近、機械学習から採用されている様々な生成ニューラルネットワークは、量子物質の研究に有望な戦略を提供している。 特に、自然言語処理における自己回帰モデルの成功は、量子多体系のシミュレーションにスケール能力が移ることを期待して、変分 ans\atze としての使用を動機付けている。 本稿では,純粋状態の集合の仮想時間進化に基づいて,量子系の有限温度特性を計算する自己回帰フレームワークを提案する。 自己回帰リカレントニューラルネットワークを変分 ans\atz として使用する場合, 最小絡み合った典型的な熱状態(METTS)に基づく確立されたアプローチは, 数値不安定性を有することがわかった。 これらの不安定性は、初期アンサンブル状態を一元的操作で進化させ、またアンサンブル部材の流出進化を抑制するしきい値を適用することで緩和できることを示す。 このアルゴリズムをスピン1/2量子XY鎖の正確な結果と比較することにより、自己回帰的な典型的な熱状態が正確に熱観測値を計算することができることを示した。

関連論文リスト

• Learning Kinetic Monte Carlo stochastic dynamics with Deep Generative Adversarial Networks [0.0]
  本稿では,GAN(Generative Adversarial Networks)が動的学習に有効であることを示す。 本稿では,2次元多粒子系への応用について紹介し,表面積のゆらぎと関連する時間依存性の粗さに着目した。
  論文  参考訳（メタデータ） (2025-07-29T12:48:03Z)
• Leveraging recurrence in neural network wavefunctions for large-scale simulations of Heisenberg antiferromagnets: the square lattice [1.9681634372790209]
  機械学習に基づく変分モンテカルロシミュレーションは、量子多体基底状態をターゲットにするための有望なアプローチである。 我々は、リカレントニューラルネットワーク(RNN)を変分アンセットとして使用し、そのリカレント特性を活用して、徐々に大きなシステムの基底状態をシミュレートする。 トレーニング時間を増やすことで,シミュレーションの結果の精度を体系的に向上できることを示す。
  論文  参考訳（メタデータ） (2025-02-24T13:35:23Z)
• Thermalization and Criticality on an Analog-Digital Quantum Simulator [133.58336306417294]
  本稿では,69個の超伝導量子ビットからなる量子シミュレータについて述べる。 古典的Kosterlitz-Thouless相転移のシグネチャと,Kibble-Zurekスケール予測からの強い偏差を観測する。 本システムは, 対角二量体状態でディジタル的に調製し, 熱化時のエネルギーと渦の輸送を画像化する。
  論文  参考訳（メタデータ） (2024-05-27T17:40:39Z)
• Scalable Imaginary Time Evolution with Neural Network Quantum States [0.0]
  ニューラルネットワーク量子状態(NQS)としての量子波関数の表現は、多体量子系の基底状態を見つけるための強力な変分アンサッツを提供する。 我々は、計量テンソルの計算をバイパスするアプローチを導入し、代わりにユークリッド計量を用いた一階降下にのみ依存する。 我々は,NQSのエネルギーが減少するまで最適な時間ステップを決定し,目標を固定し,適応的に安定させる。
  論文  参考訳（メタデータ） (2023-07-28T12:26:43Z)
• Gibbs-Duhem-Informed Neural Networks for Binary Activity Coefficient Prediction [45.84205238554709]
  本稿では,Gibs-Duhem-informed Neural Network を用いて,様々な組成における二成分活性係数の予測を行う。 ニューラルネットワークの学習における損失関数にギブス・デュヘム方程式を明示的に含んでいる。
  論文  参考訳（メタデータ） (2023-05-31T07:36:45Z)
• 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)
• Probing finite-temperature observables in quantum simulators of spin systems with short-time dynamics [62.997667081978825]
  ジャジンスキー等式から動機付けられたアルゴリズムを用いて, 有限温度可観測体がどのように得られるかを示す。 長範囲の逆場イジングモデルにおける有限温度相転移は、捕捉されたイオン量子シミュレータで特徴づけられることを示す。
  論文  参考訳（メタデータ） (2022-06-03T18:00:02Z)
• Continuous-variable neural-network quantum states and the quantum rotor model [2.3398944692275476]
  第1量子化における連続可変格子量子系の解析のためのニューラルネットワーク量子状態アルゴリズムについて検討する。 ボルツマン機械(RBM)波動関数を自然に一般化する連続可変トライアルウェーブフランプトンの族が導入された。 その結果, 偏微分方程式 (PDE) に基づくスケーラブル固有解法と比較した。
  論文  参考訳（メタデータ） (2021-07-15T03:53:14Z)
• Quantum Markov Chain Monte Carlo with Digital Dissipative Dynamics on Quantum Computers [52.77024349608834]
  少数のアンシラ量子ビットを用いて環境との相互作用をシミュレートするデジタル量子アルゴリズムを開発した。 逆イジングモデルの熱状態のシミュレーションによるアルゴリズムの評価を行った。
  論文  参考訳（メタデータ） (2021-03-04T18:21:00Z)

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。