論文の概要: Neural Network Solution of Non-Markovian Quantum State Diffusion and Operator Construction of Quantum Stochastic Process

• arxiv url: http://arxiv.org/abs/2509.01049v1
• Date: Mon, 01 Sep 2025 01:14:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.516856
• Title: Neural Network Solution of Non-Markovian Quantum State Diffusion and Operator Construction of Quantum Stochastic Process
• Title（参考訳）: 非マルコフ量子状態拡散のニューラルネットワーク解と量子確率過程の演算子構築
• Authors: Jiaji Zhang, Carlos L. Benavides-Riveros, Lipeng Chen,
• Abstract要約: 非マルコフ量子状態拡散は、オープン量子系をモデル化するための波動関数に基づくフレームワークを提供する。 本稿では,演算子構築アルゴリズムに基づく新しい機械学習手法を提案する。
• 参考スコア（独自算出の注目度）: 3.0101350159167537
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Non-Markovian quantum state diffusion provides a wavefunction-based framework for modeling open quantum systems. In this work, we introduce a novel machine learning approach based on an operator construction algorithm. This algorithm employs a neural network as a universal generator to reconstruct the stochastic time evolution operator from an ensemble of quantum trajectories. Unlike conventional machine learning methods that merely approximate time-dependent wavefunctions or expectation values, our operator-based approach yields broader applications and enhanced interpretability of the stochastic process. We benchmark the algorithm on the spin-boson model across diverse spectral densities, demonstrating its accuracy. Furthermore, we showcase the operator's utility in calculating absorption spectra and reconstructing reduced density matrices at extended timescales. These results establish a new paradigm for the application of machine learning in quantum dynamics.
• Abstract（参考訳）: 非マルコフ量子状態拡散は、オープン量子系をモデル化するための波動関数に基づくフレームワークを提供する。 本研究では,演算子構築アルゴリズムに基づく新しい機械学習手法を提案する。 このアルゴリズムは、量子軌道のアンサンブルから確率時間進化演算子を再構成するために、ニューラルネットワークを普遍的なジェネレータとして利用する。 時間依存の波動関数や期待値だけを近似する従来の機械学習手法とは異なり、我々の演算子に基づくアプローチはより広範な応用と確率過程の解釈可能性の向上をもたらす。 スペクトル密度の異なるスピンボソンモデルを用いてアルゴリズムをベンチマークし,その精度を実証した。 さらに,吸収スペクトルを計算し,縮小密度行列を拡張時間スケールで再構成する演算子の有用性を示す。 これらの結果は、量子力学における機械学習の適用のための新しいパラダイムを確立する。

関連論文リスト

• An em algorithm for quantum Boltzmann machines [40.40469032705598]
  我々は、量子ボルツマンマシンを訓練するためのエムアルゴリズムの量子バージョンを開発する。 量子効果を隠蔽層に限定した半量子制限ボルツマンマシンにアルゴリズムを実装した。
  論文  参考訳（メタデータ） (2025-07-29T07:59:22Z)
• 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)
• Dissipative learning of a quantum classifier [0.0]
  オープン量子システムとして機能する量子分類器モデルの学習力学を解析する。 モデルは勾配降下(GD)に基づくアルゴリズムでうまく訓練することができる。 これらの最適化プロセスが連続力学で得られたという事実は、微分可能活性化関数の開発を約束することを示している。
  論文  参考訳（メタデータ） (2023-07-23T11:08:51Z)
• A Score-Based Model for Learning Neural Wavefunctions [41.82403146569561]
  スコアベースニューラルネットワークを用いて量子多体基底状態の物性を得るための新しいフレームワークを提供する。 我々の新しいフレームワークは明示的な確率分布を必要とせず、ランゲヴィン力学によるサンプリングを行う。
  論文  参考訳（メタデータ） (2023-05-25T23:44:27Z)
• 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)
• Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
  我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。 このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。 このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
  論文  参考訳（メタデータ） (2021-06-24T15:58:57Z)
• 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)
• Autoregressive Transformer Neural Network for Simulating Open Quantum Systems via a Probabilistic Formulation [5.668795025564699]
  オープン量子システムのダイナミクスに対処するためのアプローチを提案する。 自己回帰変換ニューラルネットワークを用いて量子状態をコンパクトに表現する。 効率的なアルゴリズムは、リウヴィリア超作用素の力学をシミュレートするために開発された。
  論文  参考訳（メタデータ） (2020-09-11T18:00:00Z)
• A Neural-Network Variational Quantum Algorithm for Many-Body Dynamics [15.435967947933404]
  量子多体系の時間進化をシミュレートするニューラルネットワーク-ネットワーク変分量子アルゴリズムを提案する。 提案アルゴリズムは、測定コストの低い短期量子コンピュータに効率よく実装することができる。
  論文  参考訳（メタデータ） (2020-08-31T02:54:09Z)

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。