論文の概要: Learning Minimal Representations of Many-Body Physics from Snapshots of a Quantum Simulator

• arxiv url: http://arxiv.org/abs/2509.13821v1
• Date: Wed, 17 Sep 2025 08:38:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.792386
• Title: Learning Minimal Representations of Many-Body Physics from Snapshots of a Quantum Simulator
• Title（参考訳）: 量子シミュレータのスナップショットから多体物理の最小表現を学習する
• Authors: Frederik Møller, Gabriel Fernández-Fernández, Thomas Schweigler, Paulin de Schoulepnikoff, Jörg Schmiedmayer, Gorka Muñoz-Gil,
• Abstract要約: 本研究では,変動型オートエンコーダ(VAE)に基づく機械学習手法を開発し,ボースガスの干渉測定を解析する。 非平衡なプロトコルを適用すると、潜伏空間は急激な冷却後に凍結したソリトンの符号を明らかにする。 その結果、生成モデルはノイズやスパースな実験データから直接物理的に解釈可能な変数を抽出できることを示した。
• 参考スコア（独自算出の注目度）: 0.08796261172196741
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Analog quantum simulators provide access to many-body dynamics beyond the reach of classical computation. However, extracting physical insights from experimental data is often hindered by measurement noise, limited observables, and incomplete knowledge of the underlying microscopic model. Here, we develop a machine learning approach based on a variational autoencoder (VAE) to analyze interference measurements of tunnel-coupled one-dimensional Bose gases, which realize the sine-Gordon quantum field theory. Trained in an unsupervised manner, the VAE learns a minimal latent representation that strongly correlates with the equilibrium control parameter of the system. Applied to non-equilibrium protocols, the latent space uncovers signatures of frozen-in solitons following rapid cooling, and reveals anomalous post-quench dynamics not captured by conventional correlation-based methods. These results demonstrate that generative models can extract physically interpretable variables directly from noisy and sparse experimental data, providing complementary probes of equilibrium and non-equilibrium physics in quantum simulators. More broadly, our work highlights how machine learning can supplement established field-theoretical techniques, paving the way for scalable, data-driven discovery in quantum many-body systems.
• Abstract（参考訳）: アナログ量子シミュレータは、古典的な計算の範囲を超えた多体ダイナミクスへのアクセスを提供する。 しかしながら、実験データから物理的洞察を抽出することは、しばしば測定ノイズ、限られた可観測物、基礎となる顕微鏡モデルに関する不完全な知識によって妨げられる。 本稿では,変分オートエンコーダ(VAE)に基づく機械学習手法を開発し,トンネル結合型1次元ボースガスの干渉測定を解析し,正弦-ゴードン量子場理論を実現する。 教師なしの方法で訓練されたVAEは、システムの平衡制御パラメータと強く相関する最小限の潜在表現を学習する。 非平衡のプロトコルに応用すると、潜伏空間は急激な冷却後に凍結したソリトンのシグネチャを発見し、従来の相関に基づく手法では得られない異常なポストクエンチダイナミクスを明らかにする。 これらの結果は、生成モデルがノイズやスパースの実験データから直接物理的に解釈可能な変数を抽出できることを示し、量子シミュレータにおける平衡と非平衡の相補的なプローブを提供する。 より広い範囲で、我々の研究は、機械学習が確立された場の理論的テクニックを補完し、量子多体システムにおけるスケーラブルでデータ駆動的な発見の道を開く方法を強調している。

関連論文リスト

• Error mitigation of shot-to-shot fluctuations in analog quantum simulators [46.54051337735883]
  本稿では,ハミルトニアンがシステムダイナミクスを制御しているパラメータのショット・ツー・ショット変動に対処する誤差軽減手法を提案する。 我々は、このショット・ツー・ショットノイズを増幅し、ゼロノイズ制限を外挿することで、現実的な雑音分布に対するノイズのない結果が復元されることを厳密に証明する。 数値解析により,現実的な条件下でのRydberg原子配列の有効多体コヒーレンス時間の大幅な向上を予測した。
  論文  参考訳（メタデータ） (2025-06-19T18:00:00Z)
• 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$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Discovering hydrodynamic equations of many-body quantum systems [0.0]
  利用可能な限られたデータから有効な方程式を自動発見するための新しい機械学習フレームワークを開発する。 我々は、既知の流体力学方程式を再現し、新しい方程式を著しく発見し、その導出を提供する。 我々の手法は、非摂動状態における量子材料と量子シミュレータの性質を研究するための新しい解釈可能な方法を提供する。
  論文  参考訳（メタデータ） (2021-11-03T17:55:07Z)
• Visualizing spinon Fermi surfaces with time-dependent spectroscopy [62.997667081978825]
  固体系において確立されたツールである時間依存性光電子分光法を低温原子量子シミュレーターに応用することを提案する。 1次元の$t-J$モデルの正確な対角化シミュレーションで、スピノンが非占有状態の効率的なバンド構造に出現し始めることを示す。 ポンプパルス後のスペクトル関数の依存性はスピノン間の集団的相互作用を明らかにする。
  論文  参考訳（メタデータ） (2021-05-27T18:00:02Z)
• Benchmarking a novel efficient numerical method for localized 1D Fermi-Hubbard systems on a quantum simulator [0.0]
  量子シミュレータは,多体系の力学に有効であることを示す。 我々は中性原子Fermi-Hubbard量子シミュレータと$L_textexpsimeq290$格子サイトを用いて、その性能をベンチマークする。 我々はスピン不均衡フェルミ・ハッバード系に対するブロッホ振動の相互作用の振舞いの簡単な予測を導出した。
  論文  参考訳（メタデータ） (2021-05-13T16:03:11Z)
• Probing non-Markovian quantum dynamics with data-driven analysis: Beyond "black-box" machine learning models [0.0]
  オープン量子系の非マルコフ力学の解析に対するデータ駆動型アプローチを提案する。 提案手法では, 環境の有効次元と, 共同系環境量子力学のスペクトルを計測する。 オープン量子システムの様々なモデルを用いて提案手法の性能を実証する。
  論文  参考訳（メタデータ） (2021-03-26T14:27:33Z)
• 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)
• Probing quantum information propagation with out-of-time-ordered correlators [41.12790913835594]
  小型の量子情報プロセッサは、多体量子システムを効率的にエミュレートする約束を持っている。 ここでは、時間外順序付き相関器(OTOC)の測定を実演する。 我々の実験における中心的な要件は、時間進化をコヒーレントに逆転させる能力である。
  論文  参考訳（メタデータ） (2021-02-23T15:29:08Z)
• Analyzing non-equilibrium quantum states through snapshots with artificial neural networks [0.0]
  現在の量子シミュレーション実験は、以前は到達不可能な状態における非平衡多体力学を探求し始めている。 機械学習技術を用いて,相互作用量子系の力学,特に熱化挙動について検討する。 ニューラルネットワークは熱平衡データと非平衡を区別するように訓練され、ネットワーク性能はシステムの熱化挙動のプローブとして機能する。
  論文  参考訳（メタデータ） (2020-12-21T18:59:21Z)
• Quantum Non-equilibrium Many-Body Spin-Photon Systems [91.3755431537592]
  論文は、非平衡状態における強相関量子系の量子力学に関するものである。 本研究の主な成果は, 臨界ダイナミクスのシグナチャ, 超ストロング結合のテストベッドとしての駆動ディックモデル, キブルズルーク機構の3つにまとめることができる。
  論文  参考訳（メタデータ） (2020-07-23T19:05:56Z)

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。