論文の概要: Basis dependence of Neural Quantum States for the Transverse Field Ising Model

• arxiv url: http://arxiv.org/abs/2512.11632v1
• Date: Fri, 12 Dec 2025 15:11:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-15 15:48:11.817893
• Title: Basis dependence of Neural Quantum States for the Transverse Field Ising Model
• Title（参考訳）: 逆場イジングモデルにおけるニューラル量子状態の基底依存性
• Authors: Ronald Santiago Cortes, Aravindh S. Shankar, Marcello Dalmonte, Roberto Verdel, Nils Niggemann,
• Abstract要約: 計算ベースの選択に対するニューラル量子状態の依存について検討する。 パラダイム的横場イジングモデルに対応する回転ハミルトニアンの族を考えると、NQS性能の依存性に寄与する基底状態の性質について論じる。 性能の基底依存性はクラスタの収束特性やマルチスピン演算子の累積展開と関係している。
• 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: Neural Quantum States (NQS) are powerful tools used to represent complex quantum many-body states in an increasingly wide range of applications. However, despite their popularity, at present only a rudimentary understanding of their limitations exists. In this work, we investigate the dependence of NQS on the choice of the computational basis, focusing on restricted Boltzmann machines. Considering a family of rotated Hamiltonians corresponding to the paradigmatic transverse-field Ising model, we discuss the properties of ground states responsible for the dependence of NQS performance, namely the presence of ground state degeneracies as well as the uniformity of amplitudes and phases, carefully examining their interplay. We identify that the basis-dependence of the performance is linked to the convergence properties of a cluster or cumulant expansion of multi-spin operators -- providing a framework to directly connect physical, basis-dependent properties, to performance itself. Our results provide insights that may be used to gauge the applicability of NQS to new problems and to identify the optimal basis for numerical computations.
• Abstract（参考訳）: ニューラル量子状態(Neural Quantum State, NQS)は、複雑な量子多体状態を表現するための強力なツールである。 しかし、その人気にもかかわらず、現時点ではその限界についての初歩的な理解しか存在しない。 本研究では,計算ベースの選択に対するNQSの依存度を,制限されたボルツマンマシンに着目して検討する。 パラダイム的横場イジングモデルに対応する回転ハミルトニアンの族を考えると、NQS性能の依存性、すなわち基底状態の退化と振幅と位相の均一性について考察し、それらの相互作用を慎重に検討する。 我々は,性能の基底依存性が,クラスタの収束特性やマルチスピン演算子の累積展開と関係していることを確認した。 この結果から,NQSの適用性を新たな問題に適用し,数値計算の最適基盤を同定するための知見が得られた。

関連論文リスト

• Operator Lanczos Approach enabling Neural Quantum States as Real-Frequency Impurity Solvers [0.0]
  ニューラル量子状態(NQS)に基づく実周波数不純物解法を提案する。 我々はこの能力を利用して、システマティックに実装可能なSegmented Commutator Operator-Lanczos構成を用いて、多軌道不純物問題を解決する。 単軌道アンダーソンモデルと多軌道ハバード・カナモリ不純物ハミルトニアンのベンチマークでは、ゼロ温度スペクトル関数と自己エネルギーを正確に解く能力と優れた基底状態精度が示された。
  論文  参考訳（メタデータ） (2025-12-09T14:10:22Z)
• Towards Heterogeneous Quantum Federated Learning: Challenges and Solutions [47.08625631041616]
  量子フェデレーション学習(QFL)は、量子コンピューティングとフェデレーション学習を組み合わせて、データのプライバシを維持しながら分散モデルトレーニングを可能にする。 既存のQFLフレームワークは、量子テキストカラーサイクル間の均一性に重点を置いており、量子データ分散、符号化技術、ハードウェアノイズレベル、計算能力の実際の分散を考慮していない。 これらの違いは、トレーニング中に不安定になり、収束が遅くなり、全体的なモデルパフォーマンスが低下する可能性がある。
  論文  参考訳（メタデータ） (2025-11-27T06:35:45Z)
• Quantum Dynamics with Time-Dependent Neural Quantum States [41.99844472131922]
  本稿では,時間依存型ニューラル量子状態(NQS)シミュレーションの実証について述べる。 NQSは、ニューラルネットワークアーキテクチャによる波動関数のパラメータ化を利用する。
  論文  参考訳（メタデータ） (2025-09-29T14:50:02Z)
• Importance of Correlations for Neural Quantum States [0.0]
  ニューラル量子状態(NQS)は、量子多体波動関数を表す強力な変分アンサッツとして登場した。 我々は、相関に基づく解釈可能なニューラルネットワークアーキテクチャを用いて、NQSのような量子状態表現における相関の役割について検討する。
  論文  参考訳（メタデータ） (2025-08-19T17:55:21Z)
• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
  変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。 本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [44.13836547616739]
  変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。 与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。 量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
  論文  参考訳（メタデータ） (2025-06-04T08:30:35Z)
• Comment on "Can Neural Quantum States Learn Volume-Law Ground States?" [44.99833362998488]
  選択したNQSはスピン問題とフェルミオン問題の両方に対して体積法的絡み合いを持つ基底状態を学ぶことができることを示す。 上述の文字で使用した設定は、非フェルミオンNQSがフェルミオン状態の学習に不効率であることを明らかにする。
  論文  参考訳（メタデータ） (2023-09-20T14:44:04Z)
• Symmetric Pruning in Quantum Neural Networks [111.438286016951]
  量子ニューラルネットワーク(QNN)は、現代の量子マシンの力を発揮する。 ハンドクラフト対称アンサーゼを持つQNNは、一般に非対称アンサーゼを持つものよりも訓練性が高い。 本稿では,QNNのグローバル最適収束を定量化するために,実効量子ニューラルネットワークカーネル(EQNTK)を提案する。
  論文  参考訳（メタデータ） (2022-08-30T08:17:55Z)
• A Convergence Theory for Over-parameterized Variational Quantum Eigensolvers [21.72347971869391]
  変分量子固有解法(VQE)は、近未来のノイズ中間規模量子(NISQ)コンピュータにおける量子応用の有望な候補である。 オーバーパラメータ化系におけるVQEの収束の厳密な分析を行った。
  論文  参考訳（メタデータ） (2022-05-25T04:06:50Z)
• Chaos and Complexity from Quantum Neural Network: A study with Diffusion Metric in Machine Learning [0.0]
  量子ニューラルネットワーク(QNN)の機械学習力学における量子カオス現象と複雑性について検討する。 統計的および微分幾何学的手法を用いてQNNの学習理論を研究する。
  論文  参考訳（メタデータ） (2020-11-16T10:41:47Z)

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。