論文の概要: Unsupervised Learning to Recognize Quantum Phases of Matter
- arxiv url: http://arxiv.org/abs/2510.14742v1
- Date: Thu, 16 Oct 2025 14:45:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-17 21:15:14.905595
- Title: Unsupervised Learning to Recognize Quantum Phases of Matter
- Title（参考訳）: 量子状態を認識する教師なし学習
- Authors: Mehran Khosrojerdi, Alessandro Cuccoli, Paola Verrucchi, Leonardo Banchi,
- Abstract要約: この研究では教師なし学習を採用しており、アルゴリズムは事前にラベル付けされた状態にアクセスできない。
我々は,テンソルネットワーク技術によって決定された2つのスピン$frac12$チェーンを用いて,本手法をベンチマークした。
我々の研究結果は、教師なし学習が量子物質の新しい位相を自律的に認識し、また明らかにする方法を示している。
- 参考スコア（独自算出の注目度）: 39.146761527401424
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Drawing the quantum phase diagram of a many-body system in the parameter space of its Hamiltonian can be seen as a learning problem, which implies labelling the corresponding ground states according to some classification criterium that defines the phases. In this work we adopt unsupervised learning, where the algorithm has no access to any priorly labeled states, as a tool for determining quantum phase diagrams of many-body systems. The algorithm directly works with quantum states: given the ground-state configurations for different values of the Hamiltonian parameters, the process uncovers the most significant way of grouping them based on a similarity criterion that refers to the fidelity between quantum states, that can be easily estimated, even experimentally. We benchmark our method with two specific spin-$\frac{1}{2}$ chains, with states determined via tensor network techniques. We find that unsupervised learning algorithms based on spectral clustering, combined with ``silhouette'' and ``elbow'' methods for determining the optimal number of phases, can accurately reproduce the phase diagrams. Our results show how unsupervised learning can autonomously recognize and possibly unveil novel phases of quantum matter.
- Abstract（参考訳）: ハミルトニアンのパラメータ空間における多体系の量子位相図を描くことは学習問題であり、位相を定義する分類基準に従って対応する基底状態にラベルを付けることを意味する。
この研究では、多くの体系の量子位相図を決定するツールとして、アルゴリズムが事前にラベル付けされた状態にアクセスできない教師なし学習を採用する。
このアルゴリズムは量子状態と直接作用する:ハミルトンのパラメータの異なる値に対する基底状態の構成を考えると、その過程は量子状態間の忠実さを参照する類似性基準に基づいてそれらをグループ化する最も重要な方法を明らかにする。
我々は,テンソルネットワーク技術を用いて,2つの特定のスピン=$\frac{1}{2}$チェインを用いて評価を行った。
スペクトルクラスタリングに基づく教師なし学習アルゴリズムと,最適な位相数を決定する<silhouette'と<elbow''メソッドを組み合わせることで,位相図を正確に再現できることがわかった。
我々の研究結果は、教師なし学習が量子物質の新しい位相を自律的に認識し、また明らかにする方法を示している。
関連論文リスト
- Learning to Classify Quantum Phases of Matter with a Few Measurements [41.94295877935867]
相図の一部のみが予め知られている場合, 物質の量子相を0温度で同定する。
未知の領域でも位相を分類できる観測可能な構造を構築するために,これまでの知識をいかに活用するかを示す。
この発見の重要な応用は、量子シミュレーターで得られた物質相の分類である。
論文 参考訳（メタデータ） (2024-09-08T18:52:34Z) - Hybrid Quantum-Classical Clustering for Preparing a Prior Distribution of Eigenspectrum [10.950807972899575]
時間非依存ハミルトニアンの固有スペクトルの事前分布と回路について検討する。
提案アルゴリズムはハミルトン変換,パラメータ表現,古典的クラスタリングの3つの戦略ステップで展開する。
このアルゴリズムは1Dハイゼンベルク系とLiH分子系への応用を通して実証される。
論文 参考訳（メタデータ） (2024-06-29T14:21:55Z) - Supervised binary classification of small-scale digit images and weighted graphs with a trapped-ion quantum processor [56.089799129458875]
捕捉された171ドルYb$+$イオンに基づく量子プロセッサのベンチマーク結果を示す。
リングトポロジを持つ小さな二進数画像と重み付きグラフの2種類のデータセットに対して、教師付き二進分類を行う。
論文 参考訳（メタデータ） (2024-06-17T18:20:51Z) - Detecting quantum phase transitions in a frustrated spin chain via
transfer learning of a quantum classifier algorithm [1.2145532233226681]
量子相転移を同定するための代替フレームワークを提案する。
ANNNIモデルをベンチマークとして、機械学習が3つのフェーズを検出する方法を示す。
また,従来の機械学習手法とQNN(Quantum Near neighbors)アルゴリズムの比較を行った。
論文 参考訳（メタデータ） (2023-09-27T01:11:11Z) - Learning entanglement breakdown as a phase transition by confusion [0.0]
我々は「混乱による学習」として知られる機械学習技術を用いて絡み合いの分解を明らかにするアプローチを開発する。
提案手法は,正部分転位(PPT)を伴う絡み合った状態を含む,様々な状態に対する正しい回答を提供する。
また、ノイズのある中間スケール量子(NISQ)デバイスにおける絡み合いの分解を研究するのに適した、より実用的な方法を提案する。
論文 参考訳（メタデータ） (2022-02-01T11:41:18Z) - Benchmarking Small-Scale Quantum Devices on Computing Graph Edit
Distance [52.77024349608834]
グラフ編集距離(GED: Graph Edit Distance)は、2つのグラフ間の(異なる)相似性の度合いを測定する。
本稿では、GED計算における2つの量子アプローチの比較研究について述べる。
論文 参考訳（メタデータ） (2021-11-19T12:35:26Z) - Quantum Causal Unravelling [44.356294905844834]
我々は,多部量子プロセスにおける相互作用の因果構造を明らかにするための,最初の効率的な方法を開発した。
我々のアルゴリズムは、量子プロセストモグラフィーの技法で効率的に特徴付けることができるプロセスを特定するのに利用できる。
論文 参考訳（メタデータ） (2021-09-27T16:28:06Z) - Facial Expression Recognition on a Quantum Computer [68.8204255655161]
量子機械学習手法を用いて表情認識の可能な解を示す。
適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
論文 参考訳（メタデータ） (2021-02-09T13:48:00Z)
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。