論文の概要: Supervised Machine Learning for Predicting Open Quantum System Dynamics and Detecting Non-Markovian Memory Effects

• arxiv url: http://arxiv.org/abs/2509.22758v1
• Date: Fri, 26 Sep 2025 10:40:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:18.859229
• Title: Supervised Machine Learning for Predicting Open Quantum System Dynamics and Detecting Non-Markovian Memory Effects
• Title（参考訳）: オープン量子システムのダイナミクス予測と非マルコフ記憶効果検出のための機械学習
• Authors: Ali Abu-Nada, Subhashish Banerjee,
• Abstract要約: オープン量子システムのダイナミクスを予測し,非マルコフメモリを検出するための,エンフノベルでスケーラブルな教師付き機械学習フレームワークを提案する。 過去の補足データの短いスライディングウィンドウでトレーニングされたフィードフォワードニューラルネットワークは、状態トモグラフィや風呂の知識のない観測可能なシステム$langle Z_(S)(t)rangle$を予測する。 メモリの定量化のために、Emphpredicted $langle Z_(S) において上向きの 'ターンバック' をカウントする正規化再生基準を導入する。
• 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: We present a \emph{novel} and scalable supervised machine learning framework to predict open-quantum system dynamics and detect non-Markovian memory using only local ancilla measurements. A system qubit is coherently coupled to an ancilla via a symmetric XY Hamiltonian; the ancilla interacts with a noisy environment and is the only qubit we measure. A feedforward neural network, trained on short sliding windows of supplementary data from the past, forecasts the observable system $\langle Z_{(S)}(t)\rangle$ without state tomography or knowledge of the bath. To quantify memory, we introduce a normalized revival-based metric that counts upward 'turn-backs' in \emph{predicted} $\langle Z_{(S)}(t)\rangle$ and reports the fraction of evaluated samples that exceeds a small threshold. This bounded score provides an interpretable, model-independent indicator of non-Markovianity. We demonstrate the method on two representative noise channels, non-unital amplitude damping and unital dephasing from random telegraph noise (RTN). Under matched conditions, the model accurately reproduces the dynamics and flags memory effects, with RTN exhibiting a larger normalized revival score than amplitude damping. Overall, the approach is experimentally realistic and readily extensible, enabling real-time, interpretable non-Markovian diagnostics from accessible local measurements.
• Abstract（参考訳）: オープン量子系力学を予測し,局所アンシラ測定のみを用いて非マルコフメモリを検出するための,emph{novel}とスケーラブルな教師付き機械学習フレームワークを提案する。 系 qubit は対称な XY ハミルトニアン (XY Hamiltonian) を介してアンシラとコヒーレントに結合し、アンシラはノイズの多い環境と相互作用する。 過去の補足データの短いスライディングウィンドウでトレーニングされたフィードフォワードニューラルネットワークは、状態トモグラフィや風呂の知識のない観測可能なシステム $\langle Z_{(S)}(t)\rangle$ を予測する。 メモリの定量化のために,\emph{predicted} $\langle Z_{(S)}(t)\rangle$ で上向きの 'ターンバック' をカウントする正規化リバイバルベースの計量を導入し,小さな閾値を超える評価サンプルの分数について報告する。 この有界スコアは非マルコビアン性の解釈可能でモデルに依存しない指標を提供する。 本手法は,ランダムなテレグラフノイズ(RTN)からの非単体振幅減衰と単体減音という2つの代表的なノイズチャネル上で実証する。 一致した条件下では、RTNは振幅減衰よりも大きな正規化再生スコアを示すので、このモデルはダイナミックスを正確に再現し、メモリ効果をフラグする。 全体として、このアプローチは実験的に現実的で容易に拡張可能であり、アクセス可能な局所測定からリアルタイムで解釈可能な非マルコフ的診断を可能にする。

関連論文リスト

• Decorrelated feature importance from local sample weighting [0.0]
  局所的なサンプル重み付け(losaw)は、多くの機械学習アルゴリズムに統合して、特徴重要度(FI)スコアを改善することができる。 決定木に基づくML手法やニューラルネットワークのミニバッチトレーニングにロソーをどのように組み込むかを示す。
  論文  参考訳（メタデータ） (2025-08-08T14:11:18Z)
• Machine Learning-aided Optimal Control of a noisy qubit [0.0]
  環境騒音からマルコフ力学と非マルコフ力学をモデル化し、制御するために、グレーボックス機械学習フレームワークを適用した。 非ガウス的ランダム・テレグラフノイズとガウス的オルンシュタイン・ウレンベックノイズの両方をベンチマークし、難易度の高いノイズカップリングシステムにおいても予測誤差を低くする。
  論文  参考訳（メタデータ） (2025-07-18T17:06:58Z)
• A Simple Approximate Bayesian Inference Neural Surrogate for Stochastic Petri Net Models [0.0]
  後部分布フレームワークのニューラルネットワークに基づく近似を導入する。 我々のモデルは、Gilespie-simulated SPN realizations上で訓練された1D Convolutional Residual Networkを使用する。 20%の欠落事象を持つ合成SPNでは, RMSE = 0.108で速度関数係数を回復し, 従来のベイズ手法よりもかなり高速に動作する。
  論文  参考訳（メタデータ） (2025-07-14T18:31:19Z)
• Spatial Reasoning with Denoising Models [49.83744014336816]
  本稿では,連続変数の集合に対する推論を行うためのフレームワークを提案する。 初めて、その生成順序をデノナイジングネットワーク自体によって予測できる。 これらの結果から,特定の推論タスクの精度を1%から50%に向上させることができる。
  論文  参考訳（メタデータ） (2025-02-28T14:08:30Z)
• Evolution of many-body systems under ancilla quantum measurements [58.720142291102135]
  本研究では,多体格子系をアシラリー自由度に結合させることにより量子測度を実装するという概念について検討する。 従来より抽象的なモデルで見られたように, アンタングリング・エンタングリング測定によって引き起こされる遷移の証拠を見いだす。
  論文  参考訳（メタデータ） (2023-03-13T13:06:40Z)
• Deep Impulse Responses: Estimating and Parameterizing Filters with Deep Networks [76.830358429947]
  高雑音および地中設定におけるインパルス応答推定は難しい問題である。 本稿では,ニューラル表現学習の最近の進歩に基づいて,インパルス応答のパラメータ化と推定を行う新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-07T18:57:23Z)
• New bounds on adaptive quantum metrology under Markovian noise [0.0]
  マルコフ雑音を受ける量子系のハミルトニアンを制御するスカラーパラメータ$g$を推定する問題を解析する。 我々は、リンドブラッド作用素とハミルトニアンの$H$の導関数に関して、$g$に関する量子フィッシャー情報の成長速度に境界を置く。 我々は、この感度が$partial H/partial g$の量子揺らぎと関係していることを示し、システムが感度を持つ信号の範囲を「古典的でない」状態がいかに高めるかを説明する。
  論文  参考訳（メタデータ） (2021-08-25T18:00:01Z)
• Neural Sampling Machine with Stochastic Synapse allows Brain-like Learning and Inference [6.138129592577736]
  NNの新しいクラスであるNeural-Sampling-Machineを紹介し、シナプス接続におけるシナプス性を利用してベイズ推定を近似する。 クロスバーと金属状態の間のセレクタ要素の固有のスイッチングは、NSMのシナプス内の乗算ノイズをもたらすことを実験的に示した。 回転試料における標準画像分類タスクとデータ不確実性推定について報告する。
  論文  参考訳（メタデータ） (2021-02-20T23:45:24Z)
• Learning based signal detection for MIMO systems with unknown noise statistics [84.02122699723536]
  本論文では,未知のノイズ統計による信号を堅牢に検出する一般化最大確率(ML)推定器を考案する。 実際には、システムノイズに関する統計的な知識はほとんどなく、場合によっては非ガウス的であり、衝動的であり、分析不可能である。 我々のフレームワークは、ノイズサンプルのみを必要とする教師なしの学習アプローチによって駆動される。
  論文  参考訳（メタデータ） (2021-01-21T04:48:15Z)
• Statistical control for spatio-temporal MEG/EEG source imaging with desparsified multi-task Lasso [102.84915019938413]
  脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。 ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。 この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-09-29T21:17:16Z)
• The Generalized Lasso with Nonlinear Observations and Generative Priors [63.541900026673055]
  我々は、幅広い測定モデルで満たされるガウス下測度を仮定する。 この結果から, 局所埋込特性を仮定して, 均一回復保証まで拡張できることが示唆された。
  論文  参考訳（メタデータ） (2020-06-22T16:43:35Z)

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。