論文の概要: Representability-Aware Neural Networks for Reduced Density Matrices: Application to Fractional Chern Insulators

• arxiv url: http://arxiv.org/abs/2605.20326v1
• Date: Tue, 19 May 2026 18:00:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 19:19:56.297201
• Title: Representability-Aware Neural Networks for Reduced Density Matrices: Application to Fractional Chern Insulators
• Title（参考訳）: 密度行列低減のための表現可能性を考慮したニューラルネットワーク:フラクショナルチャーン絶縁体への応用
• Authors: Justin B. Hart, Awwab A. Azam, Thomas Li, Yunxuan Li, Ye Bi, Haining Pan, Jiabin Yu,
• Abstract要約: 密度行列の減少(2-RDM)を予測するために,表現可能性を考慮した補間可能なニューラルネットワーク(NN)フレームワークを開発した。 このフレームワークは、小さなメッシュからの正確な結果を補間することで、大きな運動量メッシュ上の2-RDMを予測したり、任意のメッシュ上のエネルギー最小化によって最適化された2-RDMアンサッツとして利用することができる。
• 参考スコア（独自算出の注目度）: 5.08182814942051
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We develop a representability-aware and interpolable neural network (NN) framework for predicting two-particle reduced density matrices (2-RDMs). The NN incorporates a subset of representability conditions through its architecture and loss function, and can operate on different momentum meshes, enabling evaluating the representability conditions across multiple meshes, which we call interpolated representability condition. The framework can be used either to predict 2-RDMs on large momentum meshes by interpolating exact results from small meshes, or as a variational 2-RDM ansatz optimized by energy minimization on arbitrary meshes. We apply this approach to the fractional Chern insulator in the one-band projected model of twisted bilayer MoTe$_2$ at twist angle $3.89^\circ$ and hole filling $2/3$. Trained on exact-diagonalization (ED) 2-RDMs from meshes with $12$ or $18$ momentum points using six different NN architectures, the best NN is the residual multilayer perceptron, which predicts the $6\times6$ 2-RDM with $97.07\%-98.18\%$ accuracy relative to the ED 2-RDM but predicts an energy $77.353$ meV above ED ground-state energy. We then variationally optimize the NN on several meshes including $6\times6$, predicting a $6\times 6$ energy of just $0.104$ meV below ED while maintaining $98.94\%-98.96\%$ accuracy. Compared with the conventional boundary-point semidefinite programming, which gives an energy $5.560$ meV below ED with $96.40\%-98.94\%$ accuracy, the NN achieves a more accurate energy and similar accuracy while using only less than 1/20 as many parameters. Eventually, we add a symmetric mesh of $48$ momentum points to the variational optimization of the NN, and provide a prediction of the many-body ground-state energy and the many-body quantum metric on that mesh.
• Abstract（参考訳）: 本研究では,2粒子還元密度行列(2-RDM)を予測するために,表現可能性を考慮した補間可能なニューラルネットワーク(NN)フレームワークを開発した。 NNはアーキテクチャと損失関数を通じて表現可能性条件のサブセットを組み込み、異なる運動量メッシュ上で動作可能であり、補間表現可能性条件(interpolated representationability condition)と呼ばれる複数のメッシュをまたいだ表現可能性条件の評価を可能にする。 このフレームワークは、小さなメッシュからの正確な結果を補間することで、大きな運動量メッシュ上の2-RDMを予測したり、任意のメッシュ上のエネルギー最小化によって最適化された2-RDMアンサッツとして利用することができる。 この手法を、ツイストした二層MoTe$_2$の1バンド射影モデルのチャーン絶縁体に、ねじれ角度3.89^\circ$とホールフィリング2/3$に適用する。 正確対角化(ED)2-RDMを6つの異なるNNアーキテクチャを用いて12ドルまたは18ドルモーメントポイントのメッシュからトレーニングし、最高のNNは残留多層パーセプトロンであり、ED2-RDMと比較して6-times6$2-RDMが97.07\%-98.18\%の精度で6-times6$97.07\%-98.18\%の精度で予測されるが、ED2-RDMのエネルギーは7.353$ meV以上である。 次に、いくつかのメッシュ上でNNを変動的に最適化し、6-times 6$を6-times 6$ Energyの0.104$MeV以下で予測し、9,8.94\%-98.96\%の精度を維持した。 従来の境界点半有限計画法と比較すると、ED以下のエネルギーは5.560$ meVで9.6.40\%-98.94\%の精度で、NNは1/20未満のパラメータを使用しながら、より正確なエネルギーと類似の精度を達成している。 最終的に、NNの変分最適化に48ドルの運動量点の対称メッシュを加え、そのメッシュ上の多体基底状態エネルギーと多体量子メートル法を予測する。

関連論文リスト

• Energy gap of quantum spin glasses: a projection quantum Monte Carlo study [0.0]
  2つのパラダイム量子スピングラスモデルに対するシステムサイズ$N$のスケーリングについて検討する。 逆ギャップ分布は、N$が増加するにつれて、無限のばらつきを持つファットテールを発達させる。 この発見は、高密度接続を伴う最適化問題に対する量子アニールの潜在的な効率性に対する期待できる見通しを提供する。
  論文  参考訳（メタデータ） (2026-02-23T18:26:59Z)
• Machine-Learning Accelerated Calculations of Reduced Density Matrices [0.3823356975862005]
  我々は、ニューラルネットワーク(NN)アーキテクチャを用いて、大規模システムに対する$n$-RDMの計算を高速化し、予測することを提案する。 根底にある直感では、$n$-RDMはブリルアンゾーン(BZ)上の滑らかな関数であり、補間可能であるため、NNが小さな$n$-RDMで訓練して大きな関数を予測することができる。
  論文  参考訳（メタデータ） (2025-11-10T18:23:34Z)
• Hybrid between biologically inspired and quantum inspired many-body states [0.0]
  パーセプリンの単純なネットワークから可変多体アンサッツを構築する。 このネットワークは、テンソルネットワークから受け継いだいくつかの異なる特徴を持つニューラルネットワークと考えることができる。
  論文  参考訳（メタデータ） (2025-06-05T13:57:48Z)
• Dual Natural Gradient Descent for Scalable Training of Physics-Informed Neural Networks [0.7562843347215286]
  物理インフォームドニューラルネットワーク(PINN)の学習を著しく促進する自然段階的手法 textitDual Natural Gradient Descent (D-NGD)を紹介する。 D-NGDは、残留空間におけるガウス-ニュートンステップを計算し、ジオデシック加速度補正を無視可能な余剰コストで拡張し、モデスト$m$とNystrom-preconditioned conjugate-gradient solverをより大きい$m$で提供する。
  論文  参考訳（メタデータ） (2025-05-27T16:27:23Z)
• Efficient k-Nearest-Neighbor Machine Translation with Dynamic Retrieval [49.825549809652436]
  $k$NN-MTはドメイン固有の翻訳知識を保持するために外部データストアを構築する。 適応検索(k$NN-MT-AR)は、$lambda$を動的に推定し、$lambda$が固定しきい値以下であれば$k$NN検索をスキップする。 本稿では,バニラ$k$NN-MTを大幅に拡張した動的検索(k$NN-MT-DR)を提案する。
  論文  参考訳（メタデータ） (2024-06-10T07:36:55Z)
• Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
  我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。 我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
  論文  参考訳（メタデータ） (2024-01-17T18:59:38Z)
• Determination of Chain Strength induced by Embedding in D-Wave Quantum Annealer [0.0]
  D波量子アニール器は、いくつかの量子ビットで接続された強磁性(FM)鎖を埋め込む必要がある。 鎖内のクビットのFM秩序を維持するのに必要な鎖強度$J_c$の決定は、量子アニールの精度に不可欠である。
  論文  参考訳（メタデータ） (2022-09-25T06:59:10Z)
• Bounding the Width of Neural Networks via Coupled Initialization -- A Worst Case Analysis [121.9821494461427]
  2層ReLUネットワークに必要なニューロン数を著しく削減する方法を示す。 また、事前の作業を改善するための新しい下位境界を証明し、ある仮定の下では、最善を尽くすことができることを証明します。
  論文  参考訳（メタデータ） (2022-06-26T06:51:31Z)
• Robust Online Control with Model Misspecification [96.23493624553998]
  本研究では,未知の非線形力学系のモデル不特定性を考慮したオンライン制御について検討する。 本研究は, 線形近似からの偏差を許容できる程度に測定できるロバスト性に着目した。
  論文  参考訳（メタデータ） (2021-07-16T07:04:35Z)
• Quantum Algorithms for Simulating the Lattice Schwinger Model [63.18141027763459]
  NISQとフォールトトレラントの両方の設定で格子シュウィンガーモデルをシミュレートするために、スケーラブルで明示的なデジタル量子アルゴリズムを提供する。 格子単位において、結合定数$x-1/2$と電場カットオフ$x-1/2Lambda$を持つ$N/2$物理サイト上のシュウィンガーモデルを求める。 NISQと耐故障性の両方でコストがかかるオブザーバブルを、単純なオブザーバブルとして推定し、平均ペア密度を推定する。
  論文  参考訳（メタデータ） (2020-02-25T19:18:36Z)

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。