Fugu-MT 論文翻訳(概要): Entanglement Entropy in Quantum Networks with Tunable Geometry

論文の概要: Entanglement Entropy in Quantum Networks with Tunable Geometry

arxiv url: http://arxiv.org/abs/2607.16394v1
Date: Fri, 17 Jul 2026 18:00:01 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-21 18:48:37.14131
Title: Entanglement Entropy in Quantum Networks with Tunable Geometry
Title（参考訳）: 可変幾何をもつ量子ネットワークにおける絡み合いエントロピー
Abstract要約: 有効範囲パラメータを用いたランダムグラフモデル上での量子ホッピングについて検討する。これをチューニングし、最寄りのグラフとオールツーオールのグラフを補間し、新しいローカライゼーション体制を特定する。これは、構造障害によって誘導されるアンダーソン局在のモデルを提供し、アモルファス材料やチューナブルレンジアナログ量子シミュレータに意味を持つ。
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: Quantum many-body Hamiltonians with two-body interactions can be represented by graphs, with sites as nodes and two-site couplings as edges. We investigate how the geometry of these graphs affects transport and entanglement growth. To do so, we study dynamics for quantum hopping on a random graph model with an effective range parameter. Tuning it, we interpolate between nearest-neighbor and all-to-all graphs, identifying a new localization regime that is robust in both single-particle and finite-density cases. This provides a model of Anderson localization induced by structural disorder, with implications for amorphous materials and tunable-range analog quantum simulators.
Abstract（参考訳）: 2体相互作用を持つ量子多体ハミルトニアンは、ノードとしてサイト、エッジとして2サイト結合を持つグラフで表すことができる。これらのグラフの幾何学が輸送と絡み合いの成長にどのように影響するかを考察する。そこで本研究では,有効範囲パラメータを持つランダムグラフモデル上での量子ホッピングのダイナミクスについて検討する。それを調整し、最も近い隣り合うグラフとすべての間の補間を行い、単一粒子と有限密度の両方のケースで堅牢な新しい局所化機構を同定する。これは、構造障害によって誘導されるアンダーソン局在のモデルを提供し、アモルファス材料やチューナブルレンジアナログ量子シミュレータに意味を持つ。

関連論文リスト

Interaction geometry and ground-state properties of sparse quantum lattice models [2.2933318919445607]
グラフ接続における対称性とフラストレーションが基底状態相転移を駆動し、抑制し、再形成することを示す。位相構造と臨界性は同じ有効幾何原理で制御され、実験的に動機付けられた長距離量子システムのための枠組みを統一する。
論文参考訳（メタデータ） (2026-06-18T15:44:34Z)
Symmetry-protected topology and deconfined solitons in a multi-link $\mathbb{Z}_2$ gauge theory [45.88028371034407]
球殻の大円として視覚化できるリンクを持つ多重グラフ上で定義された$mathbbZ$格子ゲージ理論を研究する。これは、ピエルズ不安定性に類似した現象の根底にある状態依存トンネル振幅につながることを示す。行列積状態に基づいて詳細な解析を行うことで、電荷分解が電荷-摩擦化の結果生じることを証明できる。
論文参考訳（メタデータ） (2026-03-02T22:59:25Z)
Entanglement in Quantum Systems Based on Directed Graphs [0.0]
有向グラフに関連する量子状態の絡み合い特性について検討する。フビニ・スタディ計量から導かれる測度を用いて、多粒子交絡をグラフの局所接続性に定量的に関連付ける。
論文参考訳（メタデータ） (2025-09-05T16:17:03Z)
Exponential onset of scalable entanglement via twist-and-turn dynamics in XY models [41.94295877935867]
いわゆる「ツイスト・アンド・ターン」力学(TaT)が,スケーラブルなマルチパーティント絡みに到達するための重要な資源となることを示す。双極子相互作用では、中間時の絡み合いのダイナミクスは熱化と完全に相反する。
論文参考訳（メタデータ） (2025-07-10T22:34:44Z)
Entangled states from sparsely coupled spins for metrology with neutral atoms [0.0]
粒子間結合数の対数のみを特徴とするスパース相互作用グラフを用いて、量子センシングのための最適状態を生成することができることを示す。結果として得られる疎結合グラフとプロトコルは、光学的ツイーザにおける原子の動的再構成を用いて効率よく実装することができる。
論文参考訳（メタデータ） (2024-12-13T09:53:56Z)
Curve Your Attention: Mixed-Curvature Transformers for Graph Representation Learning [77.1421343649344]
本稿では,一定曲率空間の積を完全に操作するトランスフォーマーの一般化を提案する。また、非ユークリッド注意に対するカーネル化されたアプローチを提供し、ノード数とエッジ数に線形に時間とメモリコストでモデルを実行できるようにします。
論文参考訳（メタデータ） (2023-09-08T02:44:37Z)
Message-Passing Neural Quantum States for the Homogeneous Electron Gas [41.94295877935867]
連続空間における強相互作用フェルミオンをシミュレートするメッセージパッシング・ニューラルネットワークに基づく波動関数Ansatzを導入する。等質電子ガスの基底状態を3次元でシミュレーションすることにより,その精度を実証する。
論文参考訳（メタデータ） (2023-05-12T04:12:04Z)
Quantum simulator of link models using spinor dipolar ultracold atoms [0.0]
二次元格子における量子リンクモデルの量子シミュレーションのスキームについて述べる。量子リンクモデルのパラメータを2つの異なるアプローチを用いて導出する。三次元格子への拡張を示し、その微妙さを指摘する。
論文参考訳（メタデータ） (2022-10-26T16:36:05Z)
Towards Quantum Graph Neural Networks: An Ego-Graph Learning Approach [47.19265172105025]
グラフ構造化データのための新しいハイブリッド量子古典アルゴリズムを提案し、これをEgo-graph based Quantum Graph Neural Network (egoQGNN)と呼ぶ。 egoQGNNはテンソル積とユニティ行列表現を用いてGNN理論フレームワークを実装し、必要なモデルパラメータの数を大幅に削減する。このアーキテクチャは、現実世界のデータからヒルベルト空間への新しいマッピングに基づいている。
論文参考訳（メタデータ） (2022-01-13T16:35:45Z)
An Interpretable Graph Generative Model with Heterophily [38.59200985962146]
ヘテロフィリーを捉えるのに十分な表現性を持つ最初のエッジ非依存グラフ生成モデルを提案する。我々の実験は、様々な重要なアプリケーションタスクに対して、我々のモデルの有効性を実証する。
論文参考訳（メタデータ） (2021-11-04T17:34:39Z)
GeoT: A Geometry-aware Transformer for Reliable Molecular Property Prediction and Chemically Interpretable Representation Learning [16.484048833163282]
GeoT(Geometry-aware Transformer)という,分子表現学習のためのトランスフォーマーベースの新しいフレームワークを提案する。 GeoTは、分子特性予測と同様に、信頼性の高い解釈性を提供するように設計された注意に基づくメカニズムを通じて、分子グラフ構造を学習する。実験的なシミュレーションを含む包括的実験により、GeoTは分子構造に関する化学的な洞察を効果的に学習し、人工知能と分子科学のギャップを埋めることを明らかにした。
論文参考訳（メタデータ） (2021-06-29T15:47:18Z)
Gauge Invariant and Anyonic Symmetric Transformer and RNN Quantum States for Quantum Lattice Models [16.987004075528606]
我々はゲージ不変あるいは正準対称自己回帰型ニューラルネットワーク量子状態を構築するための一般的なアプローチを開発する。提案手法は,2次元および3次元のトーリック符号の基底および励起状態の正確な表現が可能であることを証明している。我々は、様々なモデルのためのリアルタイム力学と同様に、基底状態のための自己回帰ニューラルネットワークの対称性を変動的に最適化する。
論文参考訳（メタデータ） (2021-01-18T18:55:21Z)
State preparation and measurement in a quantum simulation of the O(3) sigma model [65.01359242860215]
我々は,非線型O(3)シグマモデルの固定点が,格子サイトあたり2キュービットしか持たないスピンモデルの量子相転移付近で再現可能であることを示す。本稿では,弱い結合状態と量子臨界状態の両方において,断熱的基底状態の準備が複雑になる結果を得るためにトロッター法を適用した。非単位ランダム化シミュレーション法に基づく量子アルゴリズムの提案と解析を行う。
論文参考訳（メタデータ） (2020-06-28T23:44:12Z)
Graph Neural Network for Hamiltonian-Based Material Property Prediction [56.94118357003096]
無機材料のバンドギャップを予測できるいくつかの異なるグラフ畳み込みネットワークを提示し、比較する。モデルは、それぞれの軌道自体の情報と相互の相互作用の2つの異なる特徴を組み込むように開発されている。その結果,クロスバリデーションにより予測精度が期待できることがわかった。
論文参考訳（メタデータ） (2020-05-27T13:32:10Z)

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。