論文の概要: Parallel Scan Recurrent Neural Quantum States for Scalable Variational Monte Carlo

• arxiv url: http://arxiv.org/abs/2605.13807v1
• Date: Wed, 13 May 2026 17:36:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:28.20879
• Title: Parallel Scan Recurrent Neural Quantum States for Scalable Variational Monte Carlo
• Title（参考訳）: スケーラブルな変分モンテカルロのための並列走査リカレントニューラル量子状態
• Abstract要約: 現代のリカレントアーキテクチャは、高速で正確で計算可能なニューラル量子状態シミュレーションをサポートすることができることを示す。 我々は,1次元と2次元の変分モンテカルロ内で効率的にトレーニングできる,並列走査型ニューラル量子状態(PSR-NQS)と呼ばれる変分アンスターゼを開発する。
• 参考スコア（独自算出の注目度）: 0.6685158490869524
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neural-network quantum states have emerged as a powerful variational framework for quantum many-body systems, with recent progress often driven by massively parallel architectures such as transformers. Recurrent neural network quantum states, however, are frequently regarded as intrinsically sequential and therefore less scalable. Here we revisit this view by showing that modern recurrent architectures can support fast, accurate, and computationally accessible neural quantum state simulations. Using autoregressive recurrent wave functions together with recent advances in parallelizable recurrence, we develop variational ansätze, called parallel scan recurrent neural quantum states (PSR-NQS), which can be trained efficiently within variational Monte Carlo in one and two spatial dimensions. We demonstrate accurate benchmark results and show that, with iterative retraining, our approach reaches two-dimensional spin lattices as large as $52\times52$ while remaining in agreement with available quantum Monte Carlo data. Our results establish recurrent architectures as a practical and promising route toward scalable neural quantum state simulations with modest computational resources.
• Abstract（参考訳）: ニューラルネットワークの量子状態は、量子多体系の強力な変分フレームワークとして現れており、近年の進歩はしばしばトランスフォーマーのような巨大な並列アーキテクチャによって引き起こされている。 しかし、リカレントニューラルネットワーク量子状態はしばしば本質的にシーケンシャルであり、従ってスケーラビリティが低いと見なされる。 ここでは、現代のリカレントアーキテクチャが高速で正確で計算可能なニューラル量子状態シミュレーションをサポートできることを示して、この見解を再考する。 近年の並列化可能なリカレント波動関数とともに自己回帰型リカレント波動関数を用いて,1次元と2次元の変分モンテカルロ内で効率的にトレーニング可能な並列走査型ニューラル量子状態(PSR-NQS)と呼ばれる変分アンセッツェを開発する。 我々は正確なベンチマーク結果を示し、反復的再トレーニングにより、我々の手法は利用可能な量子モンテカルロデータと一致しながら、最大5,2\times52$の2次元スピン格子に達することを示した。 本研究は, 計算資源の少ないスケーラブルなニューラルネットワーク量子状態シミュレーションへの実践的かつ有望な経路として, 再帰的アーキテクチャを構築した。

関連論文リスト

• Solving the Hubbard model with Neural Quantum States [66.55653324211542]
  ダッピングされた2次元ハバードモデルに対する最先端結果について検討した。 NQSアンサッツの異なるアテンションヘッドは、異なるスケールで直接相関を符号化することができる。 我々の研究は、マルチフェミオンシステムに挑戦する強力なツールとしてNQSを確立します。
  論文  参考訳（メタデータ） (2025-07-03T14:08:25Z)
• 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)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• Enhancing variational Monte Carlo using a programmable quantum simulator [0.3078264203938486]
  本研究では, 量子物質のシリカシミュレーションにおいて, 射影測定データを用いることが可能であることを示す。 我々はデータ強化型変分モンテカルロを用いて、リカレントニューラルネットワークに基づいて強力な自己回帰波動関数アンゼを訓練する。 我々の研究は、量子多体系の大規模シミュレーションのためのハイブリッド量子-古典的アプローチの可能性を強調している。
  論文  参考訳（メタデータ） (2023-08-04T18:08:49Z)
• Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
  量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。 量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。 ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
  論文  参考訳（メタデータ） (2022-12-21T19:00:04Z)
• Dynamics with autoregressive neural quantum states: application to critical quench dynamics [41.94295877935867]
  本稿では、量子系の長時間のダイナミクスを安定的に捉えるための代替の汎用スキームを提案する。 二次元量子イジングモデルにおけるキブル・ズレーク機構の解明により,時間依存性のクエンチ力学にこのスキームを適用した。
  論文  参考訳（メタデータ） (2022-09-07T15:50:00Z)
• 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)
• Reconstructing complex states of a 20-qubit quantum simulator [0.6646556786265893]
  本稿では, 量子状態の多角化を効果的に再現する手法を示す。 我々は,ニューラルネットワークの量子状態表現に基づく手法と比較して,状態再構成の品質と収束の高速化を観察する。 本研究は,多体量子系のクエンチダイナミクスによって生成される複素状態の効率的な実験的評価への道を開くものである。
  論文  参考訳（メタデータ） (2022-08-09T15:52:20Z)
• Data-Enhanced Variational Monte Carlo Simulations for Rydberg Atom Arrays [0.3425341633647624]
  ライドバーグ原子配列(Rydberg atom array)は、様々な量子状態において相互作用する量子ビット系を準備できるプログラム可能な量子シミュレータである。 本稿では、たとえ少量のデータであっても、現在のRNNの事前学習が、その後の波形関数の変動最適化の収束時間を著しく短縮することを示す。 これは、実験量子シミュレーターで準備された状態から得られるあらゆる測定値が、神経ネットワークベースのVMC戦略に重要な価値をもたらすことを示唆している。
  論文  参考訳（メタデータ） (2022-03-09T19:00:04Z)
• 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)
• Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits at Exascale [57.84751206630535]
  本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。 新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。 ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
  論文  参考訳（メタデータ） (2021-04-21T13:26:42Z)

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。