論文の概要: Auto-regressive Neural Quantum State Sampling for Selected Configuration Interaction

• arxiv url: http://arxiv.org/abs/2603.24728v1
• Date: Wed, 25 Mar 2026 18:53:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:47.944837
• Title: Auto-regressive Neural Quantum State Sampling for Selected Configuration Interaction
• Title（参考訳）: 選択構成相互作用のための自己回帰型ニューラル量子状態サンプリング
• Authors: Shane Thompson, Daniel Gunlycke,
• Abstract要約: 本稿では,自己回帰型ニューラルネットワーク(ARNN)を用いて,地中検索のための部分空間拡張を誘導するアルゴリズムを提案する。 本アルゴリズムは,学習した基底状態統計量から,コンパクトな変分部分空間を効率的に構築する。 分子系のベンチマークでは、ARNN誘導のサブスペース展開は、ニューラルネットワーク表現と古典的なサブスペース手法の強みを組み合わせることが示されている。
• 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: Accurate ground-state energy calculations remain a central challenge in quantum chemistry due to the exponential scaling of the many-body Hilbert space. Variational Monte Carlo and variational quantum eigensolvers offer promising ansatz optimization approaches but face limitations in convergence as well as hardware constraints. We introduce a particular Selected Configuration Interaction (SCI) algorithm that uses auto-regressive neural networks (ARNNs) to guide subspace expansion for ground-state search. Leveraging the unique properties of ARNNs, our algorithm efficiently constructs compact variational subspaces from learned ground-state statistics, which in turn accelerates convergence to the ground-state energy. Benchmarks on molecular systems demonstrate that ARNN-guided subspace expansion combines the strengths of neural-network representations and classical subspace methods, providing a scalable framework for classical and hybrid quantum-classical algorithms.
• Abstract（参考訳）: 正確な基底状態エネルギー計算は、多体ヒルベルト空間の指数的スケーリングのため、量子化学における中心的な課題である。 変分モンテカルロと変分量子固有解法は有望なアンザッツ最適化アプローチを提供するが、収束の制限とハードウェアの制約に直面している。 本稿では,自己回帰型ニューラルネットワーク(ARNN)を用いて,地中検索のための部分空間拡張を誘導するSCIアルゴリズムを提案する。 このアルゴリズムはARNNのユニークな特性を活用し,学習した基底状態統計量からコンパクトな変動部分空間を効率的に構築することにより,基底状態エネルギーへの収束を加速する。 分子系のベンチマークでは、ARNN誘導のサブスペース展開は、ニューラルネットワーク表現と古典的なサブスペース手法の強みを組み合わせたものであり、古典的およびハイブリッドな量子古典的アルゴリズムのためのスケーラブルなフレームワークを提供する。

関連論文リスト

• A Spatio-Temporal Hybrid Quantum-Classical Graph Convolutional Neural Network Approach for Urban Taxi Destination Prediction [0.5735035463793009]
  本稿では,都市道路網内のタクシーの行き先を予測するために,ハイブリッドな時空間量子グラフ畳み込みネットワーク(H-STQGCN)を提案する。 我々のアルゴリズムは空間処理と時間進化という2つの枝から構成される。 実験の結果,提案アルゴリズムは予測精度と安定性の点で,現在の手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2025-12-15T02:31:17Z)
• Classically Prepared, Quantumly Evolved: Hybrid Algorithm for Molecular Spectra [41.99844472131922]
  多体量子系における動的相関関数と励起スペクトルを計算するためのハイブリッド古典量子アルゴリズムを提案する。 この方法は、摂動基底状態の古典的な準備と、そこから採取された積状態の短時間の量子進化を組み合わせたものである。
  論文  参考訳（メタデータ） (2025-10-28T19:27:12Z)
• RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [44.13836547616739]
  変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。 与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。 量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
  論文  参考訳（メタデータ） (2025-06-04T08:30:35Z)
• Exploring quantum localization with machine learning [39.58317527488534]
  本稿では、その局所化の観点から、波動関数を分類するための効率的なニューラルネットワーク(NN)アーキテクチャを提案する。 提案手法は, 量子位相空間のパラメトリゼーションにより, 改良畳み込みモデルのパターン認識機能と, 独自の「量子」NNへと導かれる。
  論文  参考訳（メタデータ） (2024-06-01T08:50:26Z)
• Scalable Imaginary Time Evolution with Neural Network Quantum States [0.0]
  ニューラルネットワーク量子状態(NQS)としての量子波関数の表現は、多体量子系の基底状態を見つけるための強力な変分アンサッツを提供する。 我々は、計量テンソルの計算をバイパスするアプローチを導入し、代わりにユークリッド計量を用いた一階降下にのみ依存する。 我々は,NQSのエネルギーが減少するまで最適な時間ステップを決定し,目標を固定し,適応的に安定させる。
  論文  参考訳（メタデータ） (2023-07-28T12:26:43Z)
• A self-consistent field approach for the variational quantum eigensolver: orbital optimization goes adaptive [52.77024349608834]
  適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。 このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
  論文  参考訳（メタデータ） (2022-12-21T23:15:17Z)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• Scalable neural quantum states architecture for quantum chemistry [5.603379389073144]
  量子状態のニューラルネットワーク表現の変分最適化は、相互作用するフェルミオン問題の解決に成功している。 本稿では,Ab-initio量子化学応用のための,ニューラルネットワークに基づく変分量子モンテカルロ計算を改善するための拡張並列化手法を提案する。
  論文  参考訳（メタデータ） (2022-08-11T04:40:02Z)
• Autoregressive Transformer Neural Network for Simulating Open Quantum Systems via a Probabilistic Formulation [5.668795025564699]
  オープン量子システムのダイナミクスに対処するためのアプローチを提案する。 自己回帰変換ニューラルネットワークを用いて量子状態をコンパクトに表現する。 効率的なアルゴリズムは、リウヴィリア超作用素の力学をシミュレートするために開発された。
  論文  参考訳（メタデータ） (2020-09-11T18:00:00Z)
• 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。