論文の概要: Neural-network quantum states for the nuclear many-body problem
- arxiv url: http://arxiv.org/abs/2602.13826v1
- Date: Sat, 14 Feb 2026 15:37:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-17 14:17:28.445308
- Title: Neural-network quantum states for the nuclear many-body problem
- Title（参考訳）: 核多体問題に対するニューラルネットワーク量子状態
- Authors: Alessandro Lovato, Giuseppe Carleo, Bryce Fore, Morten Hjorth-Jensen, Jane Kim, Arnau Rios, Noemi Rocco,
- Abstract要約: 核多体波動関数の人工ニューラルネットワーク表現が連続量子モンテカルロ法の性能を大幅に拡張した方法について論じる。
我々は, 有限核, 無限核, 中性子物質, レプトン核, 核核散乱に関する動的プロセスへの最近の応用を強調した。
- 参考スコア（独自算出の注目度）: 33.72751145910978
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A long-standing goal of nuclear theory is to explain how the structure and dynamics of atomic nuclei and neutron-star matter emerge from the underlying interactions among protons and neutrons. Achieving this goal requires solving the nuclear quantum many-body problem with high accuracy across a wide range of length scales and density regimes. In this review, we discuss how artificial neural network representations of the nuclear many-body wave function have significantly extended the capabilities of continuum quantum Monte Carlo methods. In particular, neural network quantum states enable calculations of larger systems than were previously accessible and provide a flexible framework for capturing phenomena that challenge conventional approaches, including the emergence of nuclear clusters and superfluid phases in dense matter. We highlight recent applications to finite nuclei, infinite nuclear and neutron matter, and dynamical processes relevant to lepton-nucleus and nucleus-nucleus scattering. We also discuss conceptual and methodological connections with condensed matter physics, emphasizing developments in neural network quantum states that bridge strongly correlated systems across disciplines. Together, these developments demonstrate how neural-network methods open new avenues toward unified and accurate descriptions of nuclear structure, matter, and reactions.
- Abstract（参考訳）: 核理論の長年の目標は、原子核と中性子星物質の構造とダイナミクスが、陽子と中性子の間の基礎となる相互作用からどのように現われるかを説明することである。
この目標を達成するには、幅広い長さのスケールと密度のレギュレーションで高い精度で原子核量子多体問題を解く必要がある。
本稿では,核多体波動関数の人工ニューラルネットワーク表現が,連続量子モンテカルロ法の性能を大幅に拡張した方法について論じる。
特に、ニューラルネットワーク量子状態は、これまでアクセスできたよりも大きなシステムの計算を可能にし、核クラスターの出現や高密度物質の超流動相を含む従来のアプローチに挑戦する現象を捉える柔軟な枠組みを提供する。
我々は, 有限核, 無限核, 中性子物質, レプトン核, 核核散乱に関する動的プロセスへの最近の応用を強調した。
また、凝縮物質物理学との概念的および方法論的関連性についても論じ、ニューラルネットワーク量子状態の発達に重点を置き、分野にわたって強い相関関係を持つシステムを橋渡しする。
これらの発展は、核構造、物質、反応の統一的で正確な記述に向けて、ニューラル・ネットワーク・メソッドがいかにして新しい道を開くかを示す。
関連論文リスト
- Nuclear responses with neural-network quantum states [37.902436796793616]
我々は、ニューラルネットワーク量子状態とローレンツ積分変換技術を組み合わせた変分モンテカルロフレームワークを提案する。
光核の光吸収断面積に焦点をあて、数値的精度の高い技術に対するベンチマークが利用可能である。
論文 参考訳（メタデータ） (2025-04-28T18:57:21Z) - Predicting nuclear masses with product-unit networks [0.0]
本稿では,通常のニューロンのような処理ユニットを複雑な値の製品ユニットに置き換える,新しいタイプのニューラルネットワークの提案と探索を行う。
その性能は、いくつかのニューラルネットワークアーキテクチャのアーキテクチャと比較され、核質量予測への適合性を実証している。
論文 参考訳（メタデータ） (2023-05-08T12:51:16Z) - Deep-neural-network approach to solving the ab initio nuclear structure
problem [0.799536002595393]
深層学習型変分量子モンテカルロアプローチであるFeynmanNetを開発した。
FeynmanNetは4$He,6$Li,そして最大16$Oで、地上のエネルギーと波動関数の非常に正確な解を提供できることを示す。
論文 参考訳（メタデータ） (2022-11-25T10:14:04Z) - Solving the nuclear pairing model with neural network quantum states [58.720142291102135]
本稿では,職業数形式論における核多体問題の解法としてモンテカルロ法を提案する。
リコンフィグレーションアルゴリズムのメモリ効率向上版を開発し,ハミルトニアンの期待値を最小限に抑えてネットワークをトレーニングする。
論文 参考訳（メタデータ） (2022-11-09T00:18:01Z) - Precise control of entanglement in multinuclear spin registers coupled
to defects [0.0]
量子ネットワークは、セキュアな通信、量子センシングの強化、分散コンピューティングといった量子情報処理において必須の役割を果たす。
量子ネットワークの最も成熟し有望なプラットフォームは、ダイヤモンドの窒素空孔中心や固体の他の色中心である。
ネットワーク用途にこれらのシステムを使用する際の課題の1つは、電子と核スピンレジスタ間の絡み合いを制御的に操作することである。
論文 参考訳（メタデータ） (2022-03-17T17:20:54Z) - Spectral density reconstruction with Chebyshev polynomials [77.34726150561087]
厳密な誤差推定で有限エネルギー分解能の制御可能な再構成を行う方法を示す。
これは、核と凝縮物質物理学における将来の応用の道を開くものである。
論文 参考訳（メタデータ） (2021-10-05T15:16:13Z) - Nuclei with up to $\boldsymbol{A=6}$ nucleons with artificial neural
network wave functions [52.77024349608834]
人工ニューラルネットワークを用いて、核の波動関数をコンパクトに表現する。
高精度な超球面調和法を用いて, それらの結合エネルギー, 点核子密度, ラジイをベンチマークした。
論文 参考訳（メタデータ） (2021-08-15T23:02:39Z) - Simulation of Collective Neutrino Oscillations on a Quantum Computer [117.44028458220427]
本稿では,現在発生している量子デバイスを用いたニュートリノ相互作用系の最初のシミュレーションを行う。
量子ビットの自然接続における制限を克服し、それをリアルタイムに絡み合いの進化を追跡する戦略を導入する。
論文 参考訳（メタデータ） (2021-02-24T20:51:25Z) - Variational Monte Carlo calculations of $\mathbf{A\leq 4}$ nuclei with
an artificial neural-network correlator ansatz [62.997667081978825]
光核の基底状態波動関数をモデル化するためのニューラルネットワーク量子状態アンサッツを導入する。
我々は、Aleq 4$核の結合エネルギーと点核密度を、上位のピオンレス実効場理論から生じるものとして計算する。
論文 参考訳（メタデータ） (2020-07-28T14:52:28Z) - Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。
我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文 参考訳（メタデータ） (2019-12-31T07:40:23Z)
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。