論文の概要: Generalized quantum master equation from memory kernel coupling theory
- arxiv url: http://arxiv.org/abs/2603.01458v1
- Date: Mon, 02 Mar 2026 05:16:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-03 19:50:56.690082
- Title: Generalized quantum master equation from memory kernel coupling theory
- Title（参考訳）: メモリカーネル結合理論による一般化量子マスター方程式
- Authors: Rui-Hao Bi, Wei Liu, Wenjie Dou,
- Abstract要約: このボトルネックを克服するために、メモリカーネル結合理論(MKCT)の包括的なテンソル拡張を導入する。
複数のベンチマークシステムにまたがって,この手法の数値的精度と効率を実証する。
これらの成功例は、開量子系における複雑な力学を研究するための高効率ツールとしてテンソルMKCTを確立する。
- 参考スコア（独自算出の注目度）: 3.5945684983210264
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The generalized quantum master equation provides a powerful framework for non-Markovian dynamics of open quantum systems. However, the accurate and efficient evaluation of the memory kernel remains a challenge. In this work, we introduce a comprehensive tensorial extension to the Memory Kernel Coupling Theory (MKCT) to overcome this bottleneck. By elevating the original scalar formalism to a tensorial framework, the extended MKCT enables the calculation of general expectation values and cross-correlation functions. We demonstrate the numerical accuracy and efficiency of this method across multiple benchmark systems: capturing transient populations and coherences in the spin-boson model, resolving the excitonic absorption spectrum of the Fenna-Matthews-Olson complex, and simulating charge mobility in one-dimensional lattice models. These successful applications establish the tensorial MKCT as a highly efficient tool for investigating complex dynamics in open quantum systems.
- Abstract（参考訳）: 一般化された量子マスター方程式は、開量子系の非マルコフ力学の強力な枠組みを提供する。
しかし、メモリカーネルの正確かつ効率的な評価は依然として課題である。
本研究では,メモリカーネル結合理論(MKCT)の包括的なテンソル拡張を導入し,このボトルネックを克服する。
元のスカラー形式をテンソルフレームワークに高めることで、拡張されたMKCTは一般的な期待値と相互相関関数の計算を可能にする。
スピン-ボソンモデルにおける過渡的な集団とコヒーレンスを捕捉し、Fenna-Matthews-Olson錯体の励起吸収スペクトルを解き、一次元格子モデルにおける電荷移動をシミュレートする。
これらの成功例は、開量子系における複雑な力学を研究するための高効率ツールとしてテンソルMKCTを確立する。
関連論文リスト
- Projection-Based Memory Kernel Coupling Theory for Quantum Dynamics: A Stable Framework for Non-Markovian Simulations [13.09851912426216]
オープン量子系における時間相関関数の予測に基づく安定性保存手法を提案する。
このアプローチは、複素系における非マルコフ力学に対する汎用的で信頼性の高いフレームワークを提供する。
論文 参考訳（メタデータ） (2026-02-11T08:22:00Z) - Physics-Informed Hybrid Quantum-Classical Dispatching for Large-Scale Renewable Power Systems:A Noise-Resilient Framework [9.378801906395179]
高ペネレーションエネルギーは、電力系統のディスパッチ最適化に重大性と非古典性をもたらす。
既存のアプローチでは、電力網を「ブラックボックス」として扱うのが一般的である。
本稿では、PIHQ-CD(Hybrid Quantum-Bridging Dispatching)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-26T13:35:54Z) - Towards Quantum Enhanced Adversarial Robustness with Rydberg Reservoir Learning [45.92935470813908]
量子コンピューティング貯水池(QRC)は、量子多体系に固有の高次元非線形力学を利用する。
近年の研究では、変動回路に基づく摂動量子は逆数の影響を受けやすいことが示されている。
QR学習モデルにおける対向的堅牢性の最初の体系的評価について検討する。
論文 参考訳（メタデータ） (2025-10-15T12:17:23Z) - Q2SAR: A Quantum Multiple Kernel Learning Approach for Drug Discovery [39.58317527488534]
本研究は、QSAR分類を強化するために、量子多重カーネル学習フレームワークを成功させたことを実証する。
本手法をDYRK1Aキナーゼ阻害剤を同定するためのデータセットに適用する。
古典的なグラディエントブースティングモデルに対してQMKL-SVMをベンチマークすることにより、量子化アプローチがより優れたAUCスコアを達成することを示す。
論文 参考訳（メタデータ） (2025-06-17T19:00:47Z) - Optimal absorption and emission of itinerant fields into a spin ensemble memory [39.74150797598488]
この研究はスピンベースの量子メモリに焦点をあて、そこでは反復電磁場が大きなアンサンブルに格納される。
我々は吸収過程と放出過程の両方を記述するカスケード量子モデルを開発した。
超伝導量子プロセッサと相互作用するマイクロ波量子メモリの文脈で数値シミュレーションを行う。
論文 参考訳（メタデータ） (2025-06-06T14:16:54Z) - Tree tensor network hierarchical equations of motion based on time-dependent variational principle for efficient open quantum dynamics in structured thermal environments [0.0]
ボゾン浴と相互作用する駆動量子系に対するオープン量子力学を正確に計算するための効率的なTTN-HEOM法を提案する。
結合マスター方程式に対する3つの一般的なプロパゲータを実装した。
この結果から,TTN-HEOMは,構造浴と相互作用する駆動量子系の劣化と緩和のダイナミクスをシミュレートできることがわかった。
論文 参考訳（メタデータ） (2025-04-30T18:48:05Z) - Quantum Kernel Machine Learning With Continuous Variables [0.0]
量子カーネルを連続変数量子コンピューティングプラットフォームのための閉形式関数として表現する。
すべての核がガウス函数の積として表現され、特徴写像のパラメータの代数函数として表されることを示す。
我々は、GKP状態符号化のような無限星級数の特徴写像で定義されるカーネルを、有限星級数の特徴写像で定義されるカーネルによって任意に近似することができることを証明した。
論文 参考訳（メタデータ） (2024-01-11T03:49:40Z) - Spectral chaos bounds from scaling theory of maximally efficient quantum-dynamical scrambling [44.99833362998488]
複雑な量子系のエルゴード定常状態への進化に関する重要な予想は、スクランブルとして知られるこの過程が最も効率的であるときに普遍的な特徴を取得することである。
このシナリオでは、完全なスクランブルダイナミクスに沿ったスペクトル相関の正確な自己相似性を具現化して、スペクトル統計量に対する単一パラメータスケーリング理論を開発する。
スケーリング予測は特権プロセスと一致し、他の動的スクランブルシナリオのバウンダリとして機能し、すべての時間スケールで非効率または不完全なスクランブルを定量化できるようにする。
論文 参考訳（メタデータ） (2023-10-17T15:41:50Z) - The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for
Deep Quantum Machine Learning [52.77024349608834]
古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。
鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。
我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
論文 参考訳（メタデータ） (2022-12-22T16:06:24Z) - Decimation technique for open quantum systems: a case study with
driven-dissipative bosonic chains [62.997667081978825]
量子系の外部自由度への不可避結合は、散逸(非単体)ダイナミクスをもたらす。
本稿では,グリーン関数の(散逸的な)格子計算に基づいて,これらのシステムに対処する手法を提案する。
本手法のパワーを,複雑性を増大させる駆動散逸型ボゾン鎖のいくつかの例で説明する。
論文 参考訳（メタデータ） (2022-02-15T19:00:09Z) - Efficient variational contraction of two-dimensional tensor networks
with a non-trivial unit cell [0.0]
テンソルネットワーク状態は、強い相関の量子モデルとシステムを忠実にキャプチャする効率的な状態のクラスを提供する。
我々は最近提案された一次元量子格子をキャプチャするための変分行列積状態アルゴリズムを一般化する。
このアルゴリズムの重要な性質は、単位セルのサイズを指数的にではなく線形にスケールする計算努力である。
論文 参考訳（メタデータ） (2020-03-02T19:01:06Z)
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。