論文の概要: Equation-Free Discovery of Open Quantum Systems via Paraconsistent Neural Networks

• arxiv url: http://arxiv.org/abs/2601.12635v2
• Date: Fri, 23 Jan 2026 14:54:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-26 14:27:27.292273
• Title: Equation-Free Discovery of Open Quantum Systems via Paraconsistent Neural Networks
• Title（参考訳）: 並列ニューラルネットワークによるオープン量子系の方程式自由発見
• Authors: Aleyna Ceyran, Jair Minoro Abe,
• Abstract要約: 本稿ではParaQNN(ParaQuantum Neural Network)アーキテクチャについて述べる。 ParaQNNは、プリオリ法則に頼らずに、マルチスケールのダイナミクスを解体する。 我々はParaQNNが不完全な物理情報を持つランダムフォレスト、XGBoost、PINNモデルと比較して一貫した性能上の優位性を示すことを示した。
• 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: Modeling the dynamics of open quantum systems on noisy intermediate-scale quantum (NISQ) devices constitutes a major challenge, as high noise levels and environmental degradations lead to the decay of pure quantum states (decoherence) and energy losses. This situation represents one of the most important problems in the field of quantum information technologies. While existing data-driven methods struggle to generalize beyond the training data (extrapolation), physics-informed neural networks (PINNs) require predefined governing equations, which limit their discovery capability when the underlying physics is incomplete or unknown. In this work, we present the ParaQNN (ParaQuantum neural network) architecture, an equation-free framework for physical discovery. ParaQNN disentangles multi-scale dynamics without relying on a priori laws by employing a dialetheist logic layer that models coherent signal and decoherent noise as independent yet interacting channels. Through extensive benchmark tests performed on Rabi oscillations, Lindblad dynamics, and particularly complex "mixed regimes" where relaxation and dephasing processes compete, we show that ParaQNN exhibits a consistent performance advantage compared to Random Forest, XGBoost, and PINN models with incomplete physical information. Unlike its competitors, ParaQNN succeeds in maintaining oscillatory and damping dynamics with high accuracy even in extrapolation regions where training data are unavailable, by "discovering" the underlying structural invariants from noisy measurements. These results demonstrate that paraconsistent logic provides a structurally more stable epistemic foundation than classical methods for learning quantum behavior in situations where mathematical equations prove insufficient.
• Abstract（参考訳）: ノイズレベルと環境劣化が純粋な量子状態(デコヒーレンス)の崩壊とエネルギー損失につながるため、ノイズの多い中間スケール量子(NISQ)デバイス上のオープン量子システムのダイナミクスをモデル化することは大きな課題である。 この状況は、量子情報技術の分野で最も重要な問題の一つである。 既存のデータ駆動手法は、トレーニングデータ(抽出)を超えて一般化するのに苦労するが、物理インフォームドニューラルネットワーク(PINN)は事前に定義された支配方程式を必要とし、基礎となる物理が不完全あるいは未知である場合に、その発見能力を制限する。 本研究ではParaQNN(ParaQuantum Neural Network)アーキテクチャについて述べる。 ParaQNNは、コヒーレント信号とデコヒーレントノイズを独立して相互作用するチャネルとしてモデル化するダイアレシスト論理層を用いることで、先行法則に頼ることなく、マルチスケールのダイナミクスを分離する。 本稿では,Rabi振動,リンドブラッド力学,特に緩和・復調プロセスが競合する複雑な「混合状態」のベンチマークテストを通じて,ParaQNNが不完全な物理情報を持つランダムフォレスト,XGBoost,PINNモデルと比較して一貫した性能上の優位性を示すことを示す。 競合と異なり、ParaQNNは、ノイズ測定から基盤となる構造不変量を"発見"することにより、トレーニングデータが利用できない外挿領域でも、振動や減衰のダイナミクスを高精度に維持することに成功している。 これらの結果は、パラ一貫性論理が、数学的方程式が不十分な状況において量子行動を学ぶ古典的な方法よりも、構造的により安定した認識基盤を提供することを示した。

関連論文リスト

• Quantum Filtering and Stabilization of Dissipative Quantum Systems via Augmented Neural Ordinary Differential Equations [5.819937157229223]
  AQNODEは、測定データから直接量子軌道と散逸パラメータを学習するフレームワークである。 提案手法は、弱い測定データを統合して、量子ビット状態と時間依存デコヒーレンス率を再構成する。 AQNODEは、分散量子システムのリアルタイムモデリングと制御のためのスケーラブルで微分可能で実験的に互換性のあるフレームワークである。
  論文  参考訳（メタデータ） (2025-09-08T20:23:45Z)
• Inverse Physics-informed neural networks procedure for detecting noise in open quantum systems [0.0]
  我々は、逆物理インフォームドニューラルネットワーク(PINNverse)フレームワークをリンドブラッドマスター方程式が支配するオープン量子システムに拡張する。 2ビットオープンシステムの数値シミュレーションにより,提案手法の有効性とロバスト性を示す。 この結果から、PINNverseは量子システム識別のためのスケーラブルで耐雑音性のあるフレームワークであり、量子制御やエラー軽減に応用できる可能性が示唆された。
  論文  参考訳（メタデータ） (2025-07-16T18:03:48Z)
• 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)
• Physics-inspired Machine Learning for Quantum Error Mitigation [15.243176527806126]
  量子エラー除去のための機械学習のための物理に着想を得たニューラルネットワークであるNNAS(Neural Noise Accumulation Surrogate)を紹介する。 NNASは多層回路に量子ノイズ蓄積の構造的特徴を取り入れ、物理的解釈性を持つモデルを提供する。 QEM法が通常苦労する深い回路では、NNASはエラーを半分以上削減する。
  論文  参考訳（メタデータ） (2025-01-08T15:07:48Z)
• 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)
• Addressing the Non-perturbative Regime of the Quantum Anharmonic Oscillator by Physics-Informed Neural Networks [0.9374652839580183]
  量子領域において、そのようなアプローチは、非可積分系に対するシュレーディンガー方程式を解く新しいアプローチへの道を開く。 実数および虚数周波数のシステムについて検討し、量子場理論に現れる問題に対処するための新しい数値法の基礎を築いた。
  論文  参考訳（メタデータ） (2024-05-22T08:34:52Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Dynamics with autoregressive neural quantum states: application to critical quench dynamics [41.94295877935867]
  本稿では、量子系の長時間のダイナミクスを安定的に捉えるための代替の汎用スキームを提案する。 二次元量子イジングモデルにおけるキブル・ズレーク機構の解明により,時間依存性のクエンチ力学にこのスキームを適用した。
  論文  参考訳（メタデータ） (2022-09-07T15:50:00Z)
• On the learnability of quantum neural networks [132.1981461292324]
  本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。 また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2020-07-24T06:34:34Z)

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。