論文の概要: Solving Classical and Quantum Spin Glasses with Deep Boltzmann Quantum States
- arxiv url: http://arxiv.org/abs/2605.15899v1
- Date: Fri, 15 May 2026 12:30:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-18 21:22:26.280569
- Title: Solving Classical and Quantum Spin Glasses with Deep Boltzmann Quantum States
- Title（参考訳）: ボルツマン量子状態を用いた古典・量子スピングラスの解法
- Authors: Luca Leone, Arka Dutta, Markus Heyl, Enrico Prati, Pietro Torta,
- Abstract要約: 我々は、効率的なブロックギブスサンプリングを継承するディープボルツマンマシンにインスパイアされた、ディープボルツマン量子状態のクラスであるディープボルツマン量子状態を紹介する。
また、トレーニングアルゴリズムの2つの重要な進歩を提案し、第一に、自然な段階的な更新と最先端の更新を組み合わせる。
古典的および量子的イジングスピングラスモデルにおいて、無限範囲の相互作用と数百スピンの古典的および量子的スピングラスモデルの正確な解や最良の推定値と一致する。
- 参考スコア（独自算出の注目度）: 2.3063966999894006
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Variational neural network models have achieved remarkable success in solving ground-state problems of quantum many-body systems. However, addressing classical and quantum spin glasses remains challenging, as disorder and energy frustration give rise to an exponentially large number of local energy minima separated by high-energy barriers, hindering the efficiency of conventional Metropolis-based Monte Carlo methods. To bridge this gap, we introduce Deep Boltzmann Quantum States, a class of neural quantum states inspired by deep Boltzmann machines that inherit efficient block Gibbs sampling. We also propose two key advances in the training algorithm. Firstly, we combine natural-gradient updates with state-of-the-art stochastic optimizers. Secondly, we gradually tune the hardness of the problem Hamiltonian by interpolating from an easy to a hard regime, without the need to closely approximate the instantaneous adiabatic state at intermediate times. We match the exact solution or the best available estimate for several instances of classical and quantum Ising spin-glass models with infinite-range interactions and hundreds of spins. We also solve instances of the NP-hard Job Shop Scheduling Problem exceeding the current limitations of quantum annealing hardware. To summarize, deep neural architectures with efficient global update rules and trained within an annealing-like scheme, provide a powerful framework for solving real-world hard combinatorial optimization and for investigating disordered quantum many-body systems.
- Abstract（参考訳）: 変分ニューラルネットワークモデルは、量子多体系の基底状態問題の解法において顕著な成功を収めた。
しかし、古典的および量子スピングラスに対処することは依然として困難であり、混乱とエネルギーフラストレーションによって高エネルギー障壁によって分離された多くの局所エネルギーミニマが発生するため、従来のメトロポリスを基盤とするモンテカルロ法が効率を損なう。
このギャップを埋めるために、効率的なブロックギブスサンプリングを継承するディープボルツマンマシンにインスパイアされた、ディープボルツマン量子状態のクラスであるディープボルツマン量子状態を導入する。
また、トレーニングアルゴリズムにおける2つの重要な進歩を提案する。
まず、自然な段階的な更新と最先端の確率最適化を組み合わせます。
第2に、簡単な状態から難しい状態への補間によって、中間時間における瞬時断熱状態の近似を必要とせず、徐々に問題ハミルトンの硬さを調整する。
古典的および量子的イジングスピングラスモデルにおいて、無限範囲の相互作用と数百スピンの古典的および量子的スピングラスモデルの正確な解や最良の推定値と一致する。
また、NPハードジョブショップスケジューリング問題(NP-hard Job Shop Scheduling Problem)は、現在の量子アニーリングハードウェアの限界を超えている。
要約すると、効率的なグローバルな更新ルールを持ち、アニールのようなスキームで訓練されたディープニューラルネットワークアーキテクチャは、現実のハード組合せ最適化を解くための強力なフレームワークを提供し、乱れた量子多体システムを調べるための強力なフレームワークを提供する。
関連論文リスト
- Quantum Annealing: Optimisation, Sampling, and Many-Body Dynamics [0.10195618602298682]
量子アニールは、数千ビットのプログラム可能なスピンシステムを実現する。
現代の量子アニールは、非平衡多体量子力学を研究するための実験的なプラットフォームとして機能する。
最適化や機械学習から量子シミュレーション、多体物理学まで、さまざまな応用について論じる。
論文 参考訳（メタデータ） (2026-05-07T18:57:31Z) - Digital quantum simulation of many-body systems: Making the most of intermediate-scale, noisy quantum computers [51.56484100374058]
この論文は量子デバイス上の量子力学をシミュレートすることを中心にしている。
本稿では,量子力学における最も関連性の高い量子アルゴリズムの概要を紹介する。
近い将来に量子シミュレーションの恩恵を受けることができる量子力学における関連する問題を同定する。
論文 参考訳（メタデータ） (2025-08-29T10:37:19Z) - Dynamical mean field theory with quantum computing [0.0]
短期量子プロセッサは、利用可能な量子ビットとゲートの数によって制限されている。
我々は、古典的不純物解法の限界を克服するために使用できる量子コンピューティングのツールと方法を紹介した。
論文 参考訳（メタデータ） (2025-07-31T19:14:06Z) - Quantum consistent neural/tensor networks for photonic circuits with strongly/weakly entangled states [0.0]
本稿では,閉じた絡み合ったシステムの正確なユニタリ進化を,高精度で効率的な量子一貫した方法で近似する手法を提案する。
量子力学の少数の例でネットワークを訓練することにより、より大きなヒルベルト空間における効率的なパラメータ推定を可能にする。
論文 参考訳（メタデータ） (2024-06-03T09:51:25Z) - Beyond-classical computation in quantum simulation [21.45294717016955]
超伝導量子アニールプロセッサは、シュリンガー方程式の解と密に一致してサンプルを生成することができることを示す。
本研究では, 2次元, 3次元, 無限次元スピングラスの模型クエンチ力学における絡み合いの領域-法則スケーリングを実証する。
テンソルネットワークとニューラルネットワークに基づくいくつかの先行近似手法は、量子アニールと同様の精度を達成できないことを示す。
論文 参考訳（メタデータ） (2024-03-01T19:00:04Z) - 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) - Quantum Thermal State Preparation [39.91303506884272]
量子マスター方程式をシミュレートするための簡単な連続時間量子ギブスサンプリングを導入する。
我々は、特定の純ギブス状態を作成するための証明可能かつ効率的なアルゴリズムを構築した。
アルゴリズムのコストは温度、精度、混合時間に依存している。
論文 参考訳（メタデータ） (2023-03-31T17:29:56Z) - 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) - Surviving The Barren Plateau in Variational Quantum Circuits with
Bayesian Learning Initialization [0.0]
変分量子古典ハイブリッドアルゴリズムは、近い将来に量子コンピュータの実用的な問題を解くための有望な戦略と見なされている。
本稿では,ベイズ空間における有望な領域を特定するために勾配を用いた高速・スローアルゴリズムを提案する。
本研究は, 量子化学, 最適化, 量子シミュレーション問題における変分量子アルゴリズムの応用に近づいたものである。
論文 参考訳（メタデータ） (2022-03-04T17:48:57Z) - 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) - Long-Time Error-Mitigating Simulation of Open Quantum Systems on Near Term Quantum Computers [38.860468003121404]
本研究では,最大2千個のエンタングゲートを含むディープ回路においても,ハードウェアエラーに対する堅牢性を示す量子ハードウェア上でのオープン量子システムシミュレーションについて検討する。
我々は, 無限の熱浴に結合した2つの電子系をシミュレートする: 1) 駆動電界における放散自由電子系, 2) 磁場中の単一軌道における2つの相互作用電子の熱化 - ハバード原子。
この結果から, 開放量子系シミュレーションアルゴリズムは, ノイズの多いハードウェア上で, 同様に複雑な非散逸性アルゴリズムをはるかに上回ることができることを示した。
論文 参考訳（メタデータ） (2021-08-02T21:36:37Z)
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。