論文の概要: Transformer-Based Time-Series Inference of Lindblad Dynamics in Open Quantum Systems
- arxiv url: http://arxiv.org/abs/2610.05647v1
- Date: Mon, 05 Oct 2026 00:51:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 12:20:03.141612
- Title: Transformer-Based Time-Series Inference of Lindblad Dynamics in Open Quantum Systems
- Title（参考訳）: オープン量子系におけるリンドブラッドダイナミクスのトランスフォーマーに基づく時系列推定
- Abstract要約: リンドブラッド・マスター方程式(Lindblad master equation)は、開量子系の非単位進化を記述する標準的なフレームワークである。
近年の研究では、Transformerベースのモデルが観測可能な時系列から未知の散逸率を推定できることが示されている。
- 参考スコア（独自算出の注目度）: 2.2254730585582645
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The Lindblad master equation is the standard framework for describing the non-unitary evolution of open quantum systems, where environmental interactions induce dissipation and decoherence. When both the system Hamiltonian and the dissipation rates are partially unknown or explicitly time-dependent, traditional analytical inversion and system-identification techniques become intractable. Recent works have demonstrated that Transformer-based models can infer unknown dissipation rates from observable time series, yet these approaches typically rely on hand-crafted statistical features under idealized and highly restricted conditions. Here we advance the paradigm by introducing a raw time-series Transformer that directly ingests the full trajectories of Pauli expectation values $\langleσ_x(t)\rangle$, $\langleσ_y(t)\rangle$, and $\langleσ_z(t)\rangle$, thereby fully exploiting the self-attention mechanism for temporal modeling. The architecture is further extended to jointly learn unknown Hamiltonian parameters, handle multiple dissipation channels, and operate robustly under realistic measurement noise. Across all tested scenarios the model achieves consistently high reconstruction accuracy while eliminating manual feature engineering. This provides a scalable, robust, and versatile framework for quantum environment sensing in realistic open quantum systems.
- Abstract（参考訳）: リンドブラッドマスター方程式(リンドブラッドマスターりょうり、Lindblad master equation)は、オープン量子系の非単位進化を記述する標準的な枠組みであり、環境相互作用は散逸と脱コヒーレンスを引き起こす。
ハミルトニアン系と散逸速度が部分的に未知であるか時間依存であるとき、伝統的な解析的逆転法とシステム同定法は難解となる。
近年の研究では、トランスフォーマーベースのモデルが観測可能な時系列から未知の散逸率を推定できることが示されているが、これらのアプローチは典型的には理想化および高度に制限された条件下での手作り統計的特徴に依存している。
ここでは、パウリ期待値 $\langleσ_x(t)\rangle$, $\langleσ_y(t)\rangle$, $\langleσ_z(t)\rangle$ の完全な軌跡を直接取り込み、時間的モデリングのための自己保持機構を完全に活用する生の時系列変換器を導入することにより、パラダイムを前進させる。
アーキテクチャはさらに拡張され、未知のハミルトンパラメータを共同で学習し、複数の散逸チャネルを処理し、現実的な測定ノイズの下で頑健に動作する。
テストされたすべてのシナリオにおいて、このモデルは手動のフィーチャエンジニアリングを排除しながら、一貫した高い再構築精度を達成する。
これは、現実的なオープン量子システムにおける量子環境検知のためのスケーラブルで堅牢で汎用的なフレームワークを提供する。
関連論文リスト
- Scalable Lindblad Noise Learning via Stochastic Tensor-Network Simulation [48.887627688666974]
大規模オープン量子システムにおける学習散逸率は、短期量子技術の大きな障害である。
本稿では,シミュレーション手法であるJump Method(TJM)を組み合わせたLindblad散逸率のスケーラブルなノイズ学習フレームワークを提案する。
我々は,Isingモデルにおける2つのノイズモデルに対するアプローチを実証し,各サイトについて,N_mathrmsite=16$まで独立散逸率を学習した。
スケーラブルな数値と厳密な理論的保証の組み合わせは、TJMベースのノイズ学習を大きな量子デバイスにおける散逸を特徴づける実用的な基礎として位置づけている。
論文 参考訳（メタデータ） (2026-08-25T15:07:11Z) - Temporal modulation as a resource: enhanced frequency estimation in continuous variable systems [0.0]
時間符号化が動的位相蓄積のメカニズムを根本的に変えることを示す。
このフレームワークは、従来の時間に依存しないベースラインに対する真の精度の向上を明らかにしている。
我々のフレームワークは、次世代センサにおける時間依存量子制御を利用するための普遍的なパラダイムを提供する。
論文 参考訳（メタデータ） (2026-06-13T04:45:01Z) - Learning Time-Inhomogeneous Markov Dynamics in Financial Time Series via Neural Parameterization [0.0]
本稿では、ニューラルネットワークをパラメータ化エンジンとして厳密に活用して、明示的で時間的なマルコフ遷移行列を生成するフレームワークを提案する。
ニューラルネットワークが予測を形式演算子として出力することを制約することにより、完全な構造的解釈可能性を維持する。
このフレームワークは、複雑な実世界の時系列に対して厳密で古典的な演算子分析を実行可能なものにするために、ニューラルネットワークをいかに制約するかを示す。
論文 参考訳（メタデータ） (2026-05-06T09:39:04Z) - 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) - Forecasting Continuous Non-Conservative Dynamical Systems in SO(3) [51.510040541600176]
コンピュータビジョンにおける移動物体の回転をモデル化するための新しい手法を提案する。
我々のアプローチは、入力ノイズに対して頑健でありながら、エネルギーと運動量保存に非依存である。
トレーニング中の雑音状態から物体のダイナミクスを近似させることで、シミュレーションや様々な現実世界の設定において頑健な外挿能力が得られる。
論文 参考訳（メタデータ） (2025-08-11T09:03:10Z) - Unraveling Quantum Environments: Transformer-Assisted Learning in Lindblad Dynamics [0.0]
本稿では,量子システムにおける時間依存散逸率を推定するためのTransformerベースの機械学習フレームワークを提案する。
複雑性を増大させるオープン量子モデルの階層化に対する我々のアプローチの有効性を実証する。
我々の結果は、現代の機械学習ツールが、オープン量子システムにおける未知の環境を特定するためのスケーラブルでデータ駆動の代替手段として役立つことを示唆している。
論文 参考訳（メタデータ） (2025-05-11T10:18:19Z) - Simulating quantum collision models with Hamiltonian simulations using early fault-tolerant quantum computers [0.6536048280842786]
我々は、繰り返し相互作用スキームとしても知られる量子衝突モデルをシミュレートするランダム化量子アルゴリズムを開発した。
我々の手法は、初期のフォールトトレラント量子コンピュータにおけるマルコフ力学と非マルコフ力学の両方に量子衝突モデルを利用することができる。
論文 参考訳（メタデータ） (2025-04-30T12:09:54Z) - Time-dependent Neural Galerkin Method for Quantum Dynamics [39.63609604649394]
本稿では,グローバル・イン・タイムの変動原理に依存する量子力学の古典的計算手法を提案する。
我々のスキームは、Schr"odingerの方程式を強制する損失関数を最小化することにより、有限時間ウィンドウ上の状態軌道全体を計算する。
本稿では,グローバルな量子クエンチを1次元および2次元のパラダイム的横フィールドイジングモデルでシミュレートして示す。
論文 参考訳（メタデータ） (2024-12-16T13:48:54Z) - 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)
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。