論文の概要: Neural Wavefunctions in Quantum Field Theory I: Asymptotic Freedom
- arxiv url: http://arxiv.org/abs/2606.20791v1
- Date: Thu, 18 Jun 2026 18:00:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 12:49:39.889887
- Title: Neural Wavefunctions in Quantum Field Theory I: Asymptotic Freedom
- Title（参考訳）: 量子場理論におけるニューラルウェーブ関数 I:漸近自由度
- Authors: Paulo F. Bedaque, Hersh Kumar, Suryansh Rajawat, Gregory Ridgway,
- Abstract要約: 本稿では、ニューラルネットワークによってパラメータ化された波動関数に基づく量子場理論の変分的アプローチを提案する。
ニューラルネットワークの波動関数と機械学習の手法を組み合わせることで、非自明な場の理論における競合的な変動計算が可能になることを示す。
- 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: We present a variational approach to quantum field theory based on wavefunctions parameterized by neural networks. While variational methods have a celebrated history across many fields, their application to quantum field theory has been limited by well-known challenges. We show that neural-network wavefunctions, combined with modern machine-learning techniques, enable competitive variational calculations in nontrivial field theories. As a demonstration, we reproduce the essential features of the two-dimensional nonlinear $σ$-model: asymptotic freedom, dynamical mass generation and the model's step-scaling function.
- Abstract（参考訳）: 本稿では、ニューラルネットワークによってパラメータ化された波動関数に基づく量子場理論の変分的アプローチを提案する。
変分法は多くの分野にまたがって有望な歴史を持っているが、量子場理論への応用はよく知られた課題によって制限されている。
ニューラルネットワーク波動関数は、現代の機械学習技術と組み合わせて、非自明な場の理論における競合的変動計算を可能にする。
実演として、2次元非線形$σ$-モデルの本質的特徴を再現する:漸近的自由度、動的質量生成およびモデルのステップスケーリング関数。
関連論文リスト
- 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) - The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for
Deep Quantum Machine Learning [52.77024349608834]
古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。
鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。
我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
論文 参考訳（メタデータ） (2022-12-22T16:06:24Z) - Variational Neural-Network Ansatz for Continuum Quantum Field Theory [0.9208007322096533]
ファインマンにさかのぼる物理学者は、量子場理論に変分原理を適用することの難しさを嘆いている。
非相対論的量子場理論への変分原理の適用を可能にするディープラーニングアンサッツであるニューラル・ネットワーク量子場状態を導入する。
論文 参考訳（メタデータ） (2022-12-01T18:58:40Z) - Decimation technique for open quantum systems: a case study with
driven-dissipative bosonic chains [62.997667081978825]
量子系の外部自由度への不可避結合は、散逸(非単体)ダイナミクスをもたらす。
本稿では,グリーン関数の(散逸的な)格子計算に基づいて,これらのシステムに対処する手法を提案する。
本手法のパワーを,複雑性を増大させる駆動散逸型ボゾン鎖のいくつかの例で説明する。
論文 参考訳（メタデータ） (2022-02-15T19:00:09Z) - The Hintons in your Neural Network: a Quantum Field Theory View of Deep
Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。
ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文 参考訳（メタデータ） (2021-03-08T17:24:29Z) - Variational Monte Carlo calculations of $\mathbf{A\leq 4}$ nuclei with
an artificial neural-network correlator ansatz [62.997667081978825]
光核の基底状態波動関数をモデル化するためのニューラルネットワーク量子状態アンサッツを導入する。
我々は、Aleq 4$核の結合エネルギーと点核密度を、上位のピオンレス実効場理論から生じるものとして計算する。
論文 参考訳（メタデータ） (2020-07-28T14:52:28Z) - Method of spectral Green functions in driven open quantum dynamics [77.34726150561087]
オープン量子力学のシミュレーションのために,スペクトルグリーン関数に基づく新しい手法を提案する。
この形式主義は、場の量子論におけるグリーン関数の使用と顕著な類似性を示している。
本手法は,完全マスター方程式の解法に基づくシミュレーションと比較して計算コストを劇的に削減する。
論文 参考訳（メタデータ） (2020-06-04T09:41:08Z)
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。