論文の概要: Adiabatic transport of neural network quantum states

• arxiv url: http://arxiv.org/abs/2510.15030v1
• Date: Thu, 16 Oct 2025 18:00:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 20:17:34.333717
• Title: Adiabatic transport of neural network quantum states
• Title（参考訳）: ニューラルネットワーク量子状態の断熱輸送
• Authors: Matija Medvidović, Alev Orfi, Juan Carrasquilla, Dries Sels,
• Abstract要約: 本稿では,多体励起状態のニューラルネットワーク表現を構築するための第一原理法を提案する。 完全多体ギャップへの制御されたアクセスにより、臨界指数の正確な推定値が得られる。 逐次固有状態推定は完全に並列に実行でき、励起状態特性の正確なターゲティングを可能にする。
• 参考スコア（独自算出の注目度）: 0.39998518782208786
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Variational methods have offered controllable and powerful tools for capturing many-body quantum physics for decades. The recent introduction of expressive neural network quantum states has enabled the accurate representation of a broad class of complex wavefunctions for many Hamiltonians of interest. We introduce a first-principles method for building neural network representations of many-body excited states by adiabatically continuing eigenstates of simple Hamiltonians into the strongly correlated regime. With controlled access to the full many-body gap, we obtain accurate estimates of critical exponents. Successive eigenstate estimates can be run entirely in parallel, enabling precise targeting of excited-state properties without reference to the rest of the spectrum, opening the door to large-scale numerical investigations of universal properties of entire phases of matter.
• Abstract（参考訳）: 変分法は、何十年もの間、多体量子物理学を捉えるための制御可能で強力なツールを提供してきた。 最近の表現型ニューラルネットワーク量子状態の導入により、多くのハミルトニアンにとって、幅広い種類の複雑な波動関数の正確な表現が可能になった。 本稿では,多体励起状態のニューラルネットワーク表現を,単純なハミルトニアンの固有状態から強く相関した状態へ拡張することで構築する第一原理法を提案する。 完全多体ギャップへの制御されたアクセスにより、臨界指数の正確な推定値が得られる。 逐次固有状態推定は完全に並列に実行でき、スペクトルの残りの部分を参照せずに励起状態特性の正確なターゲティングを可能にし、物質の全相の普遍性に関する大規模数値的な研究への扉を開くことができる。

関連論文リスト

• Grassmann Variational Monte Carlo with neural wave functions [45.935798913942904]
  ヒルベルト空間のグラスマン幾何学の観点から、Pfau et al.citepfau2024accurateによって導入された枠組みを定式化する。 正方格子上のハイゼンベルク量子スピンモデルに対する我々のアプローチを検証し、多くの励起状態に対して高精度なエネルギーと物理観測値を達成する。
  論文  参考訳（メタデータ） (2025-07-14T13:53:13Z)
• QAMA: Scalable Quantum Annealing Multi-Head Attention Operator for Deep Learning [48.12231190677108]
  QAMA(Quantum Annealing Multi-Head Attention)は、エネルギーベースのハミルトン最適化問題として注目を集める新しいドロップイン演算子である。 この枠組みでは、トークン相互作用を二項二項項に符号化し、低エネルギー構成の探索に量子アニールを用いる。 経験的に、自然言語と視覚のベンチマークによる評価は、タスク全体にわたって、標準的なマルチヘッドの注意から少なくとも2.7ポイントの精度が低下していることを示している。
  論文  参考訳（メタデータ） (2025-04-15T11:29:09Z)
• Emergence of global receptive fields capturing multipartite quantum correlations [0.565473932498362]
  量子物理学において、波動関数レベルで明確に定義された構造を持つ単純なデータでさえ、非常に複雑な相関によって特徴づけられる。 量子統計学を学習しながら、ニューラルネットワークの重み空間をモニタリングすることで、複雑な多部パターンに関する物理的直観を発達させることができることを示す。 この結果から,非局所パターンを用いたデータ処理のための畳み込みニューラルネットワークの構築について,新たな知見が得られた。
  論文  参考訳（メタデータ） (2024-08-23T12:45:40Z)
• Quantum superpositions of current states in Rydberg-atom networks [0.0]
  現状を設計するための量子最適制御プロトコルを提案する。 与えられた空間的に閉じたツイーザーネットワークで伝播するライドバーグ励起によって特徴づけられる量子状態
  論文  参考訳（メタデータ） (2024-03-05T18:39:01Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• Multi-squeezed state generation and universal bosonic control via a driven quantum Rabi model [68.8204255655161]
  ボゾン自由度に対する普遍的な制御は、量子ベース技術の探求において鍵となる。 ここでは、駆動量子ラビモデルを介して、ボソニックモードの興味と相互作用する単一の補助的な2レベルシステムを考える。 ガウス門と非ガウス門の大きな類を決定論的に実現することは十分であることを示す。
  論文  参考訳（メタデータ） (2022-09-16T14:18:53Z)
• Entanglement transfer, accumulation and retrieval via quantum-walk-based qubit-qudit dynamics [50.591267188664666]
  高次元システムにおける量子相関の生成と制御は、現在の量子技術の展望において大きな課題である。 本稿では,量子ウォークに基づく移動・蓄積機構により,$d$次元システムの絡み合った状態が得られるプロトコルを提案する。 特に、情報を軌道角運動量と単一光子の偏光度にエンコードするフォトニック実装について述べる。
  論文  参考訳（メタデータ） (2020-10-14T14:33:34Z)
• Entanglement Classification via Neural Network Quantum States [58.720142291102135]
  本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。 我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
  論文  参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。