論文の概要: Learning Quantum Operator Dynamics from Short-Time Data

• arxiv url: http://arxiv.org/abs/2603.14699v1
• Date: Mon, 16 Mar 2026 01:12:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.973568
• Title: Learning Quantum Operator Dynamics from Short-Time Data
• Title（参考訳）: 短時間データを用いた量子演算子ダイナミクスの学習
• Authors: Jinyang Li, Satoshi Iso, Shunji Matsuura, Lingxiao Wang, Xiaoyang Wang,
• Abstract要約: 量子可観測体のリアルタイムダイナミクスは、量子多体系における励起スペクトルと相関関数への直接アクセスを提供する。 本稿では,物理駆動型設計を用いたニューラル常微分方程式(Neural ODE)フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 7.848025658827143
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Real-time dynamics of quantum observables provide direct access to excitation spectra and correlation functions in quantum many-body systems, but currently available quantum devices are limited to short evolution times due to decoherence. We propose a neural ordinary differential equation (Neural ODE) framework with physics-driven designs to reconstruct long-time operator dynamics from short-time measurements. By expanding observables in the Pauli basis and exploiting locality and symmetry constraints, the operator evolution is reduced to a tractable set of coefficients whose dynamics are learned from data. Applied to the transverse-field Ising model, the method accurately extrapolates long-time behavior and resolves excitation spectra from noisy short-time signals. Our results demonstrate a scalable and data-efficient strategy for extracting dynamical and spectral information from practical quantum hardware.
• Abstract（参考訳）: 量子オブザーバブルのリアルタイム力学は、量子多体系における励起スペクトルと相関関数への直接アクセスを提供するが、現在利用可能な量子デバイスはデコヒーレンスによる短い進化時間に限定されている。 本稿では,物理駆動型設計を用いたニューラル常微分方程式(Neural ODE)フレームワークを提案する。 パウリ基底で観測可能を拡大し、局所性と対称性の制約を利用することにより、演算子の進化は、データから動的に学習される引き算可能な係数の集合に還元される。 逆場イジングモデルに適用し、長時間の動作を正確に外挿し、ノイズの多い短時間信号からの励起スペクトルを解消する。 本結果は,実用的な量子ハードウェアから動的およびスペクトル情報を抽出するためのスケーラブルでデータ効率のよい戦略を示す。

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)
• Fourier Neural Operators for Time-Periodic Quantum Systems: Learning Floquet Hamiltonians, Observable Dynamics, and Operator Growth [8.415180820101964]
  時間周期量子系は様々な遠方平衡現象を示し、量子工学と制御の理想的な基盤として機能する。 非平衡量子力学のための効率的で正確でスケーラブルなサロゲートとしてフーリエニューラル演算子(FNO)を導入する。 この結果は、FNOを非平衡量子力学予測のための汎用的でスケーラブルなサロゲートとして確立し、短期量子コンピュータからのデータ処理への応用の可能性を示した。
  論文  参考訳（メタデータ） (2025-09-08T18:00:03Z)
• Constructive interference at the edge of quantum ergodic dynamics [116.94795372054381]
  時間外2次相関器 OTOC$(2)$ を用いてエルゴード力学を特徴付ける。 時間反転のない力学とは対照的に、OTOC$(2)$は長い時間スケールで基礎となる力学に敏感である。
  論文  参考訳（メタデータ） (2025-06-11T21:29:23Z)
• 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)
• Short-time simulation of quantum dynamics by Pauli measurements [0.889510329047858]
  本稿では,古典的後処理における物理合成量子状態の短時間量子力学をシミュレーションするために,測定のパワーを活用することを提案する。 シミュレーション時間は短いが、我々のハイブリッド量子古典法は厳密な誤差境界を備えている。
  論文  参考訳（メタデータ） (2024-12-11T19:00:03Z)
• 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)
• 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)
• Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
  我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。 このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。 このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
  論文  参考訳（メタデータ） (2021-06-24T15:58:57Z)
• 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)

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。