論文の概要: Interpolation of unitaries with time-dependent Hamiltonians via Deep Learning

• arxiv url: http://arxiv.org/abs/2601.12619v1
• Date: Sun, 18 Jan 2026 23:20:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.704698
• Title: Interpolation of unitaries with time-dependent Hamiltonians via Deep Learning
• Title（参考訳）: 深層学習による時間依存ハミルトニアンによるユニタリの補間
• Authors: Antonio Guerra, Daniel Uzcategui-Contreras, Aldo Delgado, Esteban S. Gómez,
• Abstract要約: 時間依存ハミルトニアンによって支配される量子システムは、単位時間進化作用素の正確な計算に重大な課題をもたらす。 物理インフォームドニューラルネットワークに基づく物理インフォームドディープラーニング手法を導入し,実時間領域でこれらの演算子を推定する。
• 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: Quantum systems governed by time-dependent Hamiltonians pose significant challenges for the accurate computation of unitary time-evolution operators, which are essential for predicting quantum state dynamics. In this work, we introduce a physics-informed deep learning approach based on Physics-Informed Neural Networks to estimate these operators over the full time domain. By incorporating physical constraints such as unitarity and leveraging the second-order Magnus expansion on the evolution operator, the proposed framework enables the estimation of unitary matrices at different time intervals. The model is trained using simulated unitary operators and evaluated on quantum systems ranging from 2 to 6 qubits. For larger many-body systems, specifically those with 7 and 8 qubits, the same methodology is employed to reconstruct an effective time-dependent Hamiltonian, from which the corresponding time-evolution operator is computed over the entire temporal domain. The proposed framework achieves fidelities exceeding 0.92 using a limited number of unitary samples, indicating a potential reduction in measurement and data acquisition costs. These results highlight the effectiveness of the approach for data-driven simulation and identification of quantum dynamical systems, with direct relevance to quantum computing and quantum simulation applications.
• Abstract（参考訳）: 時間依存ハミルトニアンによって支配される量子系は、量子状態ダイナミクスの予測に不可欠であるユニタリ時間進化作用素の正確な計算に重大な課題を提起する。 本研究では,物理インフォームドニューラルネットワークに基づく物理インフォームドディープラーニング手法を導入し,実時間領域でこれらの演算子を推定する。 進化演算子上でのユニタリティのような物理的制約を取り入れ、二階マグナス展開を利用することにより、異なる時間間隔でのユニタリ行列の推定を可能にする。 このモデルは、シミュレーションされたユニタリ演算子を用いて訓練され、2から6キュービットの量子システム上で評価される。 より大きな多体系、特に7および8量子ビットを持つ系では、対応する時間進化作用素が時間領域全体にわたって計算される効果的な時間依存ハミルトニアンを再構成するために同じ手法が用いられる。 提案手法は, 限られた単体サンプルを用いて0.92以上の忠実度を達成し, 測定コストとデータ取得コストの削減の可能性を示した。 これらの結果は、量子力学系のデータ駆動シミュレーションと同定に対するアプローチの有効性を強調し、量子コンピューティングや量子シミュレーションへの応用に直接関係している。

関連論文リスト

• Investigating a Quantum-Inspired Method for Quantum Dynamics [2.8141976258456842]
  量子ビットを計測・再利用する量子アルゴリズムを、量子多体系のリアルタイム力学に拡張する。 サンプリングオーバーヘッドを大幅に削減する改善が見つかる。 量子ハードウェアの最適化は,従来のテンソルネットワークシミュレーションにどのように役立つかを示す。
  論文  参考訳（メタデータ） (2025-12-04T19:00:01Z)
• Unraveling Quantum Environments: Transformer-Assisted Learning in Lindblad Dynamics [0.0]
  本稿では,量子システムにおける時間依存散逸率を推定するためのTransformerベースの機械学習フレームワークを提案する。 複雑性を増大させるオープン量子モデルの階層化に対する我々のアプローチの有効性を実証する。 我々の結果は、現代の機械学習ツールが、オープン量子システムにおける未知の環境を特定するためのスケーラブルでデータ駆動の代替手段として役立つことを示唆している。
  論文  参考訳（メタデータ） (2025-05-11T10:18:19Z)
• Many-body dynamics with explicitly time-dependent neural quantum states [0.0]
  時間依存型ニューラル量子状態(t-NQS)を導入する。 時間に依存しないパラメータの集合を1つに最適化し、時間に依存するシュリンガー方程式を全時間間隔で解く。 結果はt-NQSを強い相関系における量子力学を探索する強力なフレームワークとして確立する。
  論文  参考訳（メタデータ） (2024-12-16T14:53:26Z)
• Neural Quantum Propagators for Driven-Dissipative Quantum Dynamics [0.0]
  我々は、駆動散逸型量子力学を解く普遍的なニューラルネットワークフレームワークである、駆動型量子プロパゲータ(NQP)を開発した。 NQPは任意の初期量子状態を処理することができ、様々な外部フィールドに適応し、より短い時間窓で訓練された場合でも、長時間のダイナミクスをシミュレートすることができる。 スピンボソンモデルと3状態遷移ガンマモデルを用いて,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2024-10-21T15:13:17Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Robust Extraction of Thermal Observables from State Sampling and Real-Time Dynamics on Quantum Computers [49.1574468325115]
  我々は、状態の密度、特にその非負性性に制約を課す手法を導入し、この方法で、ノイズのある時系列からボルツマン重みを確実に抽出できることを示す。 本研究により,今日の量子コンピュータにおける時系列アルゴリズムの実装により,多体量子系の有限温度特性の研究が可能となった。
  論文  参考訳（メタデータ） (2023-05-30T18:00:05Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Continuous-time dynamics and error scaling of noisy highly-entangling quantum circuits [58.720142291102135]
  最大21キュービットの雑音量子フーリエ変換プロセッサをシミュレートする。 我々は、デジタルエラーモデルに頼るのではなく、微視的な散逸過程を考慮に入れている。 動作中の消散機構によっては、入力状態の選択が量子アルゴリズムの性能に強い影響を与えることが示される。
  論文  参考訳（メタデータ） (2021-02-08T14:55:44Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)
• Fast and differentiable simulation of driven quantum systems [58.720142291102135]
  我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。 回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
  論文  参考訳（メタデータ） (2020-12-16T21:43:38Z)

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。