論文の概要: Quantum Physics using Weighted Model Counting

• arxiv url: http://arxiv.org/abs/2508.21288v1
• Date: Fri, 29 Aug 2025 01:17:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-01 19:45:10.91129
• Title: Quantum Physics using Weighted Model Counting
• Title（参考訳）: 重み付きモデル計数を用いた量子物理学
• Authors: Dirck van den Ende, Joon Hyung Lee, Alfons Laarman,
• Abstract要約: 本稿では,線形代数問題,特に物理や量子コンピューティングにおける問題をWMCインスタンスとして表現するアプローチを提案する。 我々はこのフレームワークを理論的に構築し、型システムと意味論を使い、Pythonで実装する。
• 参考スコア（独自算出の注目度）: 0.8301212911450326
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Weighted model counting (WMC) has proven effective at a range of tasks within computer science, physics, and beyond. However, existing approaches for using WMC in quantum physics only target specific problem instances, lacking a general framework for expressing problems using WMC. This limits the reusability of these approaches in other applications and risks a lack of mathematical rigor on a per-instance basis. We present an approach for expressing linear algebraic problems, specifically those present in physics and quantum computing, as WMC instances. We do this by introducing a framework that converts Dirac notation to WMC problems. We build up this framework theoretically, using a type system and denotational semantics, and provide an implementation in Python. We demonstrate the effectiveness of our framework in calculating the partition functions of several physical models: The transverse-field Ising model (quantum) and the Potts model (classical). The results suggest that heuristics developed in automated reasoning can be systematically applied to a wide class of problems in quantum physics through our framework.
• Abstract（参考訳）: WMC(Weighted Model counting)は、コンピュータ科学、物理学などにおける様々なタスクにおいて有効であることが証明されている。 しかしながら、量子物理学においてWMCを使用する既存のアプローチは特定の問題インスタンスのみをターゲットにしており、WMCを用いて問題を表現するための一般的な枠組みが欠如している。 これは、他の応用におけるこれらのアプローチの再利用可能性を制限するものであり、インスタンスごとの数学的厳密さの欠如を危険にさらす。 本稿では,線形代数問題,特に物理や量子コンピューティングにおける問題をWMCインスタンスとして表現するアプローチを提案する。 私たちは、Dirac表記をWMC問題に変換するフレームワークを導入しました。 我々はこのフレームワークを理論的に構築し、型システムと意味論を使い、Pythonで実装する。 本稿では, 横フィールドイジングモデル (量子) とポッツモデル (古典的) の2つの物理モデルの分割関数の計算におけるフレームワークの有効性を示す。 その結果、自動推論で開発されたヒューリスティックスは、我々のフレームワークを通じて、量子物理学の幅広い問題に体系的に適用可能であることが示唆された。

関連論文リスト

• EquiNO: A Physics-Informed Neural Operator for Multiscale Simulations [0.8345452787121658]
  我々は,マイクロスケール物理予測のための物理インフォームドPDEサロゲートとしてEquiNOを提案する。 我々のフレームワークは、いわゆるマルチスケール FE$,2,$ の計算に適用でき、有限要素法(FE)と演算子学習法(OL)を統合することで FE-OL アプローチを導入している。
  論文  参考訳（メタデータ） (2025-03-27T08:42:13Z)
• Quantum-informed simulations for mechanics of materials: DFTB+MBD framework [40.83978401377059]
  本研究では, 材料工学に関連するシステムの力学特性を量子効果によってどのように変化させるかを検討する。 この作業で提示されたすべてのコード、データセット、サンプルを含むオープンソースリポジトリを提供する。
  論文  参考訳（メタデータ） (2024-04-05T16:59:01Z)
• Wasserstein Quantum Monte Carlo: A Novel Approach for Solving the Quantum Many-Body Schr\"odinger Equation [56.9919517199927]
  ワーッセルシュタイン量子モンテカルロ (WQMC) はフィッシャー・ラオ計量ではなくワーッセルシュタイン計量によって誘導される勾配流を用いており、テレポートではなく確率質量の輸送に対応する。 我々は、WQMCの力学が分子系の基底状態へのより高速な収束をもたらすことを実証的に実証した。
  論文  参考訳（メタデータ） (2023-07-06T17:54:08Z)
• On the Integration of Physics-Based Machine Learning with Hierarchical Bayesian Modeling Techniques [0.0]
  本稿では,ガウス過程(GP)モデルの平均関数にメカニクスに基づくモデルを組み込み,カーネルマシンによる潜在的な不一致を特徴付けることを提案する。 カーネル関数の定常性は、階層的ベイズ手法によって解決された長いデータセットの逐次処理において難しいハードルである。 数値および実験例を用いて, 構造力学逆問題に対する提案手法の可能性を示した。
  論文  参考訳（メタデータ） (2023-03-01T02:29:41Z)
• 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)
• Physics Informed RNN-DCT Networks for Time-Dependent Partial Differential Equations [62.81701992551728]
  時間依存偏微分方程式を解くための物理インフォームド・フレームワークを提案する。 我々のモデルは離散コサイン変換を用いて空間的および反復的なニューラルネットワークを符号化する。 ナヴィエ・ストークス方程式に対するテイラー・グリーン渦解の実験結果を示す。
  論文  参考訳（メタデータ） (2022-02-24T20:46:52Z)
• Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
  マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。 これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。 本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
  論文  参考訳（メタデータ） (2022-02-17T18:59:20Z)
• Generalization Metrics for Practical Quantum Advantage in Generative Models [68.8204255655161]
  生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。 我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。 シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
  論文  参考訳（メタデータ） (2022-01-21T16:35:35Z)
• Provable Adversarial Robustness in the Quantum Model [0.966840768820136]
  Bshouty と Jackson が導入した量子PAC学習モデルに類似したモデルを考える。 我々の削減は、モデルにおける逆問題を解決するために、単一の距離の概念を考えるのに十分であるということを保証します。
  論文  参考訳（メタデータ） (2021-12-17T16:54:18Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)

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。