論文の概要: Holographic Representation of One-Dimensional Many-Body Quantum States via Isometric Tensor Networks

• arxiv url: http://arxiv.org/abs/2512.11967v1
• Date: Fri, 12 Dec 2025 19:00:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.053632
• Title: Holographic Representation of One-Dimensional Many-Body Quantum States via Isometric Tensor Networks
• Title（参考訳）: 等尺テンソルネットワークによる1次元多体量子状態のホログラフィック表現
• Authors: Kaito Kobayashi, Benjamin Sappler, Frank Pollmann,
• Abstract要約: 等尺テンソルネットワーク状態(isoTNS)は、高次元量子系の効率的かつ正確なシミュレーションを可能にする。 水平軸が物理空間を符号化し、補助的な「ホログラフィック」軸が表現性を高めるテンソルの(1+1)次元格子であるホログラフィックアイソTNSアンサッツを導入する。
• 参考スコア（独自算出の注目度）: 0.003748389192021574
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Isometric tensor network states (isoTNS) allow for efficient and accurate simulations of higher-dimensional quantum systems by enforcing an isometric structure. We bring this idea back to one dimension by introducing a holographic isoTNS ansatz: a (1+1)-dimensional lattice of isometric tensors where the horizontal axis encodes physical space and an auxiliary "holographic" axis boosts expressivity. Despite the enlarged geometry, contractions and local updates remain computationally efficient due to isometric constraints. We investigate this ansatz and benchmark it in comparison to matrix product states (MPS). First, we show that randomly initialized holographic isoTNS typically display volume-law entanglement even at modest bond dimension, surpassing the representational limits of MPS and related ansätze. Second, through analytic constructions and variational optimization, we demonstrate that holographic isoTNS can faithfully represent arbitrary fermionic Gaussian states, Clifford states, and certain short-time-evolved states under local evolution -- a family of states that is highly entangled but low in complexity. Third, to exploit this expressivity in broad situations, we implement a time-evolving block decimation (TEBD) algorithm on holographic isoTNS. While the method remains efficient and scalable, error accumulation over TEBD sweeps suppresses entanglement and leads to rapid deviations from exact dynamics. Overall, holographic isoTNS broaden the reach of tensor-network methods, opening new avenues to study physics in the volume-law regime.
• Abstract（参考訳）: 等尺テンソルネットワーク状態(isoTNS)は、等尺構造を強制することによって高次元量子系の効率的かつ正確なシミュレーションを可能にする。 水平軸が物理空間を符号化し、補助的な「ホログラフィック」軸が表現性を高める等尺テンソルの(1+1)次元格子であるホログラフィックアイソTNSアンサッツを導入することで、このアイデアを1次元に戻す。 幾何が拡大しても、等尺的制約のため、縮小や局所的な更新は計算的に効率的である。 本稿では,このアンザッツを行列積状態 (MPS) と比較して評価する。 まず,ランダムに初期化されるホログラフィックアイソTNSは,MPSと関連するアンセッツェの表現限界を超越して,モデスト結合次元においても体積法的な絡み合いを示すのが一般的である。 第二に、分析的構造と変分最適化により、ホログラフィックアイソTNSは任意のフェルミオン性ガウス状態、クリフォード状態、および局所的進化の下での短時間進化状態(高度に絡み合っているが複雑さの低い状態の族)を忠実に表現できることを示した。 第3に, この表現性を広い状況で活用するために, ホログラムアイソTNSに時間進化ブロックデシミテーション(TEBD)アルゴリズムを実装した。 この手法は効率的でスケーラブルなままであるが、TEBDスイープによるエラーの蓄積は絡み合いを抑制し、正確な力学から素早く逸脱する。 全体として、ホログラフィックのアイソTNSはテンソル・ネットワークの手法の範囲を広げ、体積法体制で物理学を研究するための新たな道を開いた。

関連論文リスト

• Adaptive Mesh-Quantization for Neural PDE Solvers [51.26961483962011]
  グラフニューラルネットワークは複雑なジオメトリや境界条件に必要な不規則なメッシュを処理できるが、それでもすべてのノードで一様計算処理を適用できる。 適応メッシュ量子化(Adaptive Mesh Quantization): メッシュノード,エッジ,クラスタ特徴間の空間適応量子化であり,量子化モデルで使用されるビット幅を動的に調整する。 我々は,MP-PDEとGraphViTという2つの最先端モデルと統合して,複数のタスクのパフォーマンスを評価することで,フレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2025-11-23T14:47:24Z)
• Emergent statistical mechanics in holographic random tensor networks [41.99844472131922]
  RTN状態は大きな結合次元と3種類のジオメトリーのスケーリング限界において平衡であることを示す。 我々は,各システムの有効次元について,ホログラフィックな自由度カウントを再現する。 これらの結果は、RTN技術が量子多体相の遅延時間ダイナミクスの側面を探索できることを証明している。
  論文  参考訳（メタデータ） (2025-08-22T17:49:49Z)
• Diagonal Isometric Form for Tensor Product States in Two Dimensions [0.0]
  等方性超曲面を表すために補助テンソルを組み込むことにより、アイソTPSの代替等方性形式を導入する。 その結果,IsoTPSは2次元領域法則状態の絡み合い構造を効率的に捉えることができることがわかった。 我々のアイソTPSの定式化により、ハニカムやかごめ格子など、異なる格子構造への自然な拡張が可能になる。
  論文  参考訳（メタデータ） (2025-07-10T18:00:03Z)
• Learning topological states from randomized measurements using variational tensor network tomography [0.4818215922729967]
  量子状態の忠実な表現を学ぶことは、量子プロセッサ上で生成される多体状態の多様性を完全に特徴づけるのに不可欠である。 本研究では,テンソルネットワーク上の変分最適化とランダムな計測手法を組み合わせたトモグラフィー手法の実装と検討を行う。 我々は、実験により実現可能な量子スピン液体状態と同様に、表面符号の基底状態を学ぶ能力を示す。
  論文  参考訳（メタデータ） (2024-05-31T21:05:43Z)
• Detecting Anomalies in Dynamic Graphs via Memory enhanced Normality [39.476378833827184]
  動的グラフにおける異常検出は、グラフ構造と属性の時間的進化によって大きな課題となる。 時空間記憶強調グラフオートエンコーダ(STRIPE)について紹介する。 STRIPEは、AUCスコアが5.8%改善し、トレーニング時間が4.62倍速く、既存の手法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2024-03-14T02:26:10Z)
• Overlapping qubits from non-isometric maps and de Sitter tensor networks [41.94295877935867]
  局所的な実効理論の過程は、自由度が低い量子系と密接な関係を持つことが示される。 重なり合う量子ビットが、概念的にはヒルベルト空間次元の検証、ブラックホールやホログラフィーにおける自由度数とどのように結びついているかを強調した。
  論文  参考訳（メタデータ） (2023-04-05T18:08:30Z)
• Quantum state tomography with tensor train cross approximation [84.59270977313619]
  測定条件が最小限であるような状態に対して、完全な量子状態トモグラフィが実行可能であることを示す。 本手法は,非構造状態と局所測定のための最もよく知られたトモグラフィー法よりも指数関数的に少ない状態コピーを必要とする。
  論文  参考訳（メタデータ） (2022-07-13T17:56:28Z)
• Towards Quantum Graph Neural Networks: An Ego-Graph Learning Approach [47.19265172105025]
  グラフ構造化データのための新しいハイブリッド量子古典アルゴリズムを提案し、これをEgo-graph based Quantum Graph Neural Network (egoQGNN)と呼ぶ。 egoQGNNはテンソル積とユニティ行列表現を用いてGNN理論フレームワークを実装し、必要なモデルパラメータの数を大幅に削減する。 このアーキテクチャは、現実世界のデータからヒルベルト空間への新しいマッピングに基づいている。
  論文  参考訳（メタデータ） (2022-01-13T16:35:45Z)

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。