論文の概要: Neural Gauge-P Representation for Open Quantum Dynamics of Interacting Bosons

• arxiv url: http://arxiv.org/abs/2607.17534v1
• Date: Mon, 20 Jul 2026 04:24:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.497231
• Title: Neural Gauge-P Representation for Open Quantum Dynamics of Interacting Bosons
• Title（参考訳）: 相互作用するボソンのオープン量子ダイナミクスのためのニューラルゲージ-P表現
• Abstract要約: オープンなボゾン系に対するニューラルゲージ-$P$表現を導入する。 単一サイトと正方格子の両方で駆動散逸型Bose--Hubbardモデルの場合、ニューラルゲージ-P$表現は依然として正確である。
• 参考スコア（独自算出の注目度）: 0.3155277175705079
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Simulating the nonequilibrium dynamics of interacting open quantum systems remains challenging beyond small system sizes. Quantum phase-space representations provide a scalable approach, but their useful simulation time can be limited by broad distribution tails and the associated boundary terms. We introduce the neural gauge-$P$ representation for open bosonic systems, in which stochastic gauges are parameterized by neural networks and optimized using exact moment equation residuals. For the driven-dissipative Bose--Hubbard model in both single-site and square-lattice settings, the neural gauge-$P$ representation remains accurate during long-time evolution toward the steady state, whereas the corresponding ungauged representation becomes unreliable at substantially earlier times. These results demonstrate the potential of the neural gauge-$P$ representation for accurate simulations of nonequilibrium open quantum many-body dynamics.
• Abstract（参考訳）: 相互作用するオープン量子系の非平衡ダイナミクスのシミュレーションは、小さなシステムサイズを超えて難しいままである。 量子位相空間表現はスケーラブルなアプローチを提供するが、その有用なシミュレーション時間は広い分布尾と関連する境界項によって制限することができる。 本稿では,確率ゲージをニューラルネットワークでパラメータ化し,正確なモーメント方程式残差を用いて最適化した開ボソニック系のニューラルゲージ-$P$表現を提案する。 単一サイトと正方格子の両方で駆動散逸型Bose--Hubbardモデルでは、ニューラルゲージ-P$表現は安定状態への長期進化の間に正確であり、それに対応する未ゲージ表現は、ほぼ早期に信頼性が低下する。 これらの結果は、非平衡な量子多体力学の正確なシミュレーションのための神経ゲージ-$P$表現の可能性を示している。

関連論文リスト

• Learning Minimal Representations of Many-Body Physics from Snapshots of a Quantum Simulator [0.08796261172196741]
  本研究では,変動型オートエンコーダ(VAE)に基づく機械学習手法を開発し,ボースガスの干渉測定を解析する。 非平衡なプロトコルを適用すると、潜伏空間は急激な冷却後に凍結したソリトンの符号を明らかにする。 その結果、生成モデルはノイズやスパースな実験データから直接物理的に解釈可能な変数を抽出できることを示した。
  論文  参考訳（メタデータ） (2025-09-17T08:38:46Z)
• Quantum Filtering and Stabilization of Dissipative Quantum Systems via Augmented Neural Ordinary Differential Equations [5.819937157229223]
  AQNODEは、測定データから直接量子軌道と散逸パラメータを学習するフレームワークである。 提案手法は、弱い測定データを統合して、量子ビット状態と時間依存デコヒーレンス率を再構成する。 AQNODEは、分散量子システムのリアルタイムモデリングと制御のためのスケーラブルで微分可能で実験的に互換性のあるフレームワークである。
  論文  参考訳（メタデータ） (2025-09-08T20:23:45Z)
• Grassmann Variational Monte Carlo with neural wave functions [45.935798913942904]
  ヒルベルト空間のグラスマン幾何学の観点から、Pfau et al.citepfau2024accurateによって導入された枠組みを定式化する。 正方格子上のハイゼンベルク量子スピンモデルに対する我々のアプローチを検証し、多くの励起状態に対して高精度なエネルギーと物理観測値を達成する。
  論文  参考訳（メタデータ） (2025-07-14T13:53:13Z)
• Continuous-time parametrization of neural quantum states for quantum dynamics [17.826631514127012]
  ニューラル量子状態は、多体量子力学をシミュレートするための有望なフレームワークである。 我々は、制限されたボルツマンマシンを瞬時ニューラルネットワークアーキテクチャとして用いて、正確な時間進化を実証する。
  論文  参考訳（メタデータ） (2025-07-11T09:05:16Z)
• Error mitigation of shot-to-shot fluctuations in analog quantum simulators [46.54051337735883]
  本稿では,ハミルトニアンがシステムダイナミクスを制御しているパラメータのショット・ツー・ショット変動に対処する誤差軽減手法を提案する。 我々は、このショット・ツー・ショットノイズを増幅し、ゼロノイズ制限を外挿することで、現実的な雑音分布に対するノイズのない結果が復元されることを厳密に証明する。 数値解析により,現実的な条件下でのRydberg原子配列の有効多体コヒーレンス時間の大幅な向上を予測した。
  論文  参考訳（メタデータ） (2025-06-19T18:00:00Z)
• Many-body dynamics with explicitly time-dependent neural quantum states [0.0]
  時間依存型ニューラル量子状態(t-NQS)を導入する。 時間に依存しないパラメータの集合を1つに最適化し、時間に依存するシュリンガー方程式を全時間間隔で解く。 結果はt-NQSを強い相関系における量子力学を探索する強力なフレームワークとして確立する。
  論文  参考訳（メタデータ） (2024-12-16T14:53:26Z)
• 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)
• 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)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• 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)
• Quantum Markov Chain Monte Carlo with Digital Dissipative Dynamics on Quantum Computers [52.77024349608834]
  少数のアンシラ量子ビットを用いて環境との相互作用をシミュレートするデジタル量子アルゴリズムを開発した。 逆イジングモデルの熱状態のシミュレーションによるアルゴリズムの評価を行った。
  論文  参考訳（メタデータ） (2021-03-04T18:21:00Z)

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。