論文の概要: Neural Operator Quantum State: A Foundation Model for Quantum Dynamics

• arxiv url: http://arxiv.org/abs/2603.25066v1
• Date: Thu, 26 Mar 2026 06:10:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.132222
• Title: Neural Operator Quantum State: A Foundation Model for Quantum Dynamics
• Title（参考訳）: ニューラル演算子量子状態:量子ダイナミクスの基礎モデル
• Authors: Zihao Qi, Christopher Earls, Yang Peng,
• Abstract要約: 本稿では,量子力学の基礎モデルとしてニューラル演算子量子状態(NOQS)を紹介する。 我々のアプローチは、全駆動プロトコルを時間発展量子状態にマッピングするソリューション演算子を育成することを目的としている。 時間依存縦・横フィールドを持つ2次元Isingモデル上でNOQSを検証する。
• 参考スコア（独自算出の注目度）: 8.415180820101964
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Capturing the dynamics of quantum many-body systems under time-dependent driving protocols is a central challenge for numerical simulations. Existing methods such as tensor networks and time-dependent neural quantum states, however, must be re-run for every protocol. In this work, we introduce the Neural Operator Quantum State (NOQS) as a foundation model for quantum dynamics. Rather than solving the Schrödinger equation for individual trajectories, our approach aims to \emph{learn the solution operator} that maps entire driving protocols to time-evolved quantum states. Once trained, the NOQS predicts time evolution under unseen protocols in a single forward pass, requiring no additional optimization. We validate NOQS on the two-dimensional Ising model with time-dependent longitudinal and transverse fields, demonstrating accurate prediction not only for unseen in-distribution protocols, but also for qualitatively different, out-of-distribution functional forms of driving. Further, a single NOQS model can be transferred between different temporal resolutions, and can be efficiently fine-tuned with sparse experimental measurements to improve predictions across all observables at negligible cost. Our work introduces a new paradigm for quantum dynamics simulation and provides a practical computational-experimental interface for driven quantum systems.
• Abstract（参考訳）: 時間依存駆動プロトコルの下で量子多体系の力学を捉えることは、数値シミュレーションにおける中心的な課題である。 しかし、テンソルネットワークや時間依存のニューラル量子状態といった既存の手法は、すべてのプロトコルで再実行されなければならない。 本研究では,量子力学の基礎モデルとしてニューラル演算子量子状態(NOQS)を導入する。 個々の軌道に対するシュレーディンガー方程式を解く代わりに、我々のアプローチは、全ての駆動プロトコルを時間発展量子状態にマッピングする「解演算子を学習する」ことを目的としている。 トレーニングが完了すると、NOQSは単一のフォワードパスで未確認のプロトコルの下での時間進化を予測し、追加の最適化を必要としない。 時間依存の縦方向および横方向のフィールドを持つ2次元Isingモデル上でNOQSを検証する。 さらに、単一のNOQSモデルを異なる時間分解能間で転送することができ、より小さな実験的な測定で効率的に微調整することで、無視可能なコストで観測可能な全ての天体の予測を改善することができる。 本研究では、量子力学シミュレーションの新しいパラダイムを導入し、駆動量子システムのための実用的な計算実験インタフェースを提供する。

関連論文リスト

• Quantum Dynamics with Time-Dependent Neural Quantum States [41.99844472131922]
  本稿では,時間依存型ニューラル量子状態(NQS)シミュレーションの実証について述べる。 NQSは、ニューラルネットワークアーキテクチャによる波動関数のパラメータ化を利用する。
  論文  参考訳（メタデータ） (2025-09-29T14:50:02Z)
• Simulating and Learning Quantum Evolution: A CTQW-ML Framework [1.7188280334580195]
  連続時間量子ウォークによるシュリンガー方程式をシミュレートする手法を提案する。 データ駆動手法の有効性を評価するために,教師付きニューラルネットワークモデルを実装した。
  論文  参考訳（メタデータ） (2025-09-13T14:39:47Z)
• 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)
• Quantum neural ordinary and partial differential equations [38.77776626953413]
  古典的ニューラルODE/PDEの連続時間形式を量子機械学習と量子制御にもたらす統一的なフレームワークを提案する。 我々は、QNODEsを有限次元量子システムの進化と定義し、QNPDEsを無限次元(連続変数)のものと定義する。
  論文  参考訳（メタデータ） (2025-08-24T18:43:44Z)
• Neural Quantum Propagators for Driven-Dissipative Quantum Dynamics [0.0]
  我々は、駆動散逸型量子力学を解く普遍的なニューラルネットワークフレームワークである、駆動型量子プロパゲータ(NQP)を開発した。 NQPは任意の初期量子状態を処理することができ、様々な外部フィールドに適応し、より短い時間窓で訓練された場合でも、長時間のダイナミクスをシミュレートすることができる。 スピンボソンモデルと3状態遷移ガンマモデルを用いて,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2024-10-21T15:13:17Z)
• 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)
• 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)
• Quantum Next Generation Reservoir Computing: An Efficient Quantum Algorithm for Forecasting Quantum Dynamics [1.9260081982051918]
  NG-RCは、積分可能系とカオス系の両方において、完全多体量子力学を正確に予測できることを示す。 本稿では,ブロック符号化手法を用いて,量子計算の高速化による多体量子力学予測のためのエンドツーエンド量子アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-08-28T00:34:40Z)
• Dynamical learning of a photonics quantum-state engineering process [48.7576911714538]
  実験的な高次元量子状態の工学は、いくつかの量子情報プロトコルにとって重要な課題である。 我々は、フォトニック軌道Angular Momentum(OAM)ステートを設計するための自動適応最適化プロトコルを実装した。 このアプローチは、量子情報プロトコルや技術のためのノイズの多い実験タスクを自動最適化するための強力なツールである。
  論文  参考訳（メタデータ） (2022-01-14T19:24:31Z)
• 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)

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。