論文の概要: Unsupervised Machine Learning for Experimental Detection of Quantum-Many-Body Phase Transitions

• arxiv url: http://arxiv.org/abs/2512.01091v1
• Date: Sun, 30 Nov 2025 21:25:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.576875
• Title: Unsupervised Machine Learning for Experimental Detection of Quantum-Many-Body Phase Transitions
• Title（参考訳）: 量子-多体相転移の実験的検出のための教師なし機械学習
• Authors: Ron Ziv, David Wei, Antonio Rubio-Abadal, Daniel Adler, Anna Keselman, Eran Lustig, Ronen Talmon, Johannes Zeiher, Immanuel Bloch, Mordechai Segev,
• Abstract要約: 量子多体(QMB)実験の教師なし機械学習手法を提案する。 本研究は, 実験データから集合現象を明らかにし, モデル固有の事前知識を持たないことを示す。
• 参考スコア（独自算出の注目度）: 8.622157596147916
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum many-body (QMB) systems are generally computationally hard: the computing resources necessary to simulate them exactly can often exceed the existing computation resources by orders of magnitude. For this reason, Richard Feynman proposed the concept of a quantum simulator: quantum systems engineered to obey a prescribed evolution equation and repeating the experiment multiple times. Experimentally, however, as we explain below, the vast majority of observables describing the system are inaccessible. Thus, while Feynman's idea addresses the problem of simulating quantum dynamics, it leaves unsolved the equally fundamental problem of inferring the underlying physics from the limited observables accessible in experiments. Indeed, many complex phenomena associated with QMB systems remain elusive. Perhaps, the most important example is identifying phase transitions in QMB systems when no simple order-parameter exists, which poses major challenges to this day. Complicating the problem further is the fact that, in most cases, it is impossible to learn from numerical simulations, as the underlying systems are often too large to be computable, and small QMB can show strong finite size effects, masking the presence of the transition. Here, we present an unsupervised machine learning approach to study QMB experiments, specifically aimed at detecting phase transitions and crossovers directly from raw experimental measurements. We demonstrate our methodology on systems undergoing Many-Body Localization cross-over and Mott-to-Superfluid phase-transition, showing that it reveals collective phenomena from the very partial experimental data and without any model-specific prior knowledge of the system. This approach offers a general and scalable route for data-driven discovery of emergent phenomena in complex quantum many-body systems.
• Abstract（参考訳）: 量子多体(QMB)システムは一般に計算が困難であり、それらを正確にシミュレートするために必要な計算資源は、しばしば既存の計算資源を桁違いに超過することができる。 このため、リチャード・ファインマン(Richard Feynman)は量子シミュレータの概念を提案した。 しかし、以下に説明するように、システムを記述する観測対象の大部分はアクセス不能である。 したがって、ファインマンの考えは量子力学をシミュレートする問題に対処するが、基礎となる物理を実験で利用できる限られた可観測物から推論する等しく基本的な問題を未解決のまま残している。 実際、QMBシステムに関連する多くの複雑な現象は解明され続けている。 おそらく最も重要な例は、単純な順序パラメータが存在しない場合、QMBシステムの相転移を特定することである。 問題をさらに複雑にすることは、ほとんどの場合、基礎となるシステムは計算可能であるには大きすぎることがあり、小さなQMBは大きな有限サイズ効果を示し、遷移の存在を隠蔽するので、数値シミュレーションから学ぶことは不可能であるという事実である。 そこで本研究では,QMB実験を学習するための教師なし機械学習手法を提案する。 本稿では,Multi-Body Localization cross-overおよびMott-to-Superfluid Phase-transitionを併用したシステム上での方法論を実証し,モデル固有の事前知識を持たず,非常に部分的な実験データから集合現象を明らかにした。 このアプローチは、複雑な量子多体系における創発現象をデータ駆動で発見するための汎用的でスケーラブルな経路を提供する。

関連論文リスト

• Digital quantum simulation of many-body systems: Making the most of intermediate-scale, noisy quantum computers [51.56484100374058]
  この論文は量子デバイス上の量子力学をシミュレートすることを中心にしている。 本稿では,量子力学における最も関連性の高い量子アルゴリズムの概要を紹介する。 近い将来に量子シミュレーションの恩恵を受けることができる量子力学における関連する問題を同定する。
  論文  参考訳（メタデータ） (2025-08-29T10:37:19Z)
• Probing Entanglement Scaling Across a Quantum Phase Transition on a Quantum Computer [6.364455124771902]
  強相関量子物質の研究は、次元と複雑な絡み合い構造のために困難である。 完全結合型イオン量子コンピュータ上でのサブシステムトモグラフィーのホログラフィー手法を実装した。 サブシステムエンタングルメントエントロピーの臨界度における対数法則のスケーリングを初めて実証した。
  論文  参考訳（メタデータ） (2024-12-24T18:56:44Z)
• Measurement-induced entanglement and teleportation on a noisy quantum processor [105.44548669906976]
  最大70個の超伝導量子ビット上の測定誘起量子情報相について検討した。 二重性マッピングを用いて、中間回路の測定を回避し、基礎となる位相の異なる表現にアクセスする。 我々の研究は、現在のNISQプロセッサの限界であるスケールでの計測誘起物理を実現するためのアプローチを示す。
  論文  参考訳（メタデータ） (2023-03-08T18:41:53Z)
• Characterizing a non-equilibrium phase transition on a quantum computer [0.0]
  簡単な古典的疾患拡散過程の量子拡張を実現するために,量子H1-1量子コンピュータを用いた。 モデルの大規模なインスタンスを73ドルサイトと72ドル回路レイヤで実装できます。 この研究は、中間回路のリセット、測定、条件論理が可能な量子コンピュータが、量子多体物理学における難しい問題を研究するのにどのように役立つかを示す。
  論文  参考訳（メタデータ） (2022-09-26T17:59:06Z)
• Scalable approach to many-body localization via quantum data [69.3939291118954]
  多体局在は、量子多体物理学の非常に難しい現象である。 計算コストの高いステップを回避できるフレキシブルニューラルネットワークベースの学習手法を提案する。 我々のアプローチは、量子多体物理学の新たな洞察を提供するために、大規模な量子実験に適用することができる。
  論文  参考訳（メタデータ） (2022-02-17T19:00:09Z)
• 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)
• 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)
• Unsupervised machine learning of quantum phase transitions using diffusion maps [77.34726150561087]
  本研究では, 測定データの非線形次元減少とスペクトルクラスタリングを行う拡散写像法が, 教師なしの複雑な位相遷移を学習する上で有意なポテンシャルを持つことを示す。 この方法は、局所観測可能量の単一の基底での測定に役立ち、多くの実験的な量子シミュレータに容易に適用できる。
  論文  参考訳（メタデータ） (2020-03-16T18:40:13Z)

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。