論文の概要: Numerically exact simulation of open quantum networks with strong system-bath couplings using tensor network path integrals
- arxiv url: http://arxiv.org/abs/2610.10259v1
- Date: Wed, 07 Oct 2026 15:33:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.996298
- Title: Numerically exact simulation of open quantum networks with strong system-bath couplings using tensor network path integrals
- Title（参考訳）: テンソルネットワークパス積分を用いた強系バス結合を持つオープン量子ネットワークの数値シミュレーション
- Abstract要約: 非マルコフ量子ネットワークは、量子論において最も難しい問題の一つである。
それらは、指数関数的に多体状態空間をスケーリングするだけでなく、サイトが構造化環境に強く結びついている場合の長期記憶時間にも悩まされる。
我々は、特に単一サイト問題に対する小さな結合次元をもたらすテンソルネットワークスキームを考案する。
- 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: Non-Markovian open quantum networks are among the most challenging problems in quantum theory, as they suffer from both, the exponentially scaling many-body state space as well as long memory times when the sites are strongly coupled to structured environments. Recent efforts to address them by combining tensor networks with real-time path integrals, such as TEMPO and process tensors, were however limited to systems with rather weak system-environment couplings because strong couplings lead to large bond dimensions. Here, we devise a tensor network scheme (CTEMPO) resulting in particularly small bond dimensions for single-site problems. We then extend this to a practical scheme to simulate non-Markovian quantum networks by time-evolving a corresponding comb tensor network. Benchmarking the single-site algorithm on the spin-boson model we find orders-of-magnitude improvement over established methods. The multi-site algorithm is shown to solve the notoriously difficult problem of the 7-site Fenna-Matthews-Olson photosynthetic complex, whose spectral density contains 62 peaks. We then apply our approach to explore the scaling behavior of the superradiance of up to $N=20$ quantum dots individually coupled to super-Ohmic phonon baths. Our approach provides a turnkey solution to non-Markovian quantum networks and is compatible with more general tensor network topologies.
- Abstract（参考訳）: 非マルコフ的オープン量子ネットワークは、どちらも苦しむ量子理論において最も困難な問題の一つであり、指数関数的に多体状態空間をスケーリングし、サイトが構造化された環境に強く結合された場合の記憶時間を長くする。
TEMPOやプロセステンソルのようなリアルタイム経路積分とテンソルネットワークを組み合わせることでこの問題に対処しようとする最近の試みは、強い結合が大きな結合次元をもたらすため、より弱いシステム環境結合を持つシステムに限られていた。
ここでは、特に単一サイト問題に対する小さな結合次元をもたらすテンソルネットワークスキーム(CTEMPO)を考案する。
次に、対応するコムテンソルネットワークを時間発展させることで、非マルコフ量子ネットワークをシミュレートする実用的なスキームに拡張する。
スピンボソンモデル上での単一サイトアルゴリズムのベンチマークにより、確立された手法よりも経度が向上することがわかった。
マルチサイトアルゴリズムは、スペクトル密度が62ピークを含む7サイトFenna-Matthews-Olson光合成複合体の、非常に難しい問題を解くことが示されている。
次に,超原子価フォノン浴と個別に結合した最大$N=20$の量子ドットの超輝度のスケーリング挙動について検討する。
我々のアプローチは非マルコフ量子ネットワークに対するターンキー解を提供し、より一般的なテンソルネットワークトポロジーと互換性がある。
関連論文リスト
- Hybrid Quantum-Classical Neural Networks for Recognizing Quantum Phases [27.960775552553272]
量子位相認識のためのハイブリッド量子古典ニューラルネットワークを導入,実装する。
最適化ループで超伝導量子ハードウェアを用いて両方のコンポーネントをトレーニングする。
磁場中で最大4x4のサイトを持つ表面符号格子の量子位相の分類器を実験的に実証した。
論文 参考訳（メタデータ） (2026-06-26T15:49:45Z) - Disentangling Tensor Network States with Deep Neural Network [20.1390115178447]
本稿では、ディープニューラルネットワークとテンソルネットワークアーキテクチャを統合する可変波動関数アンサッツを提案する。
$TNSフレームワークでは、ニューラルネットワークは波動関数のアンタングルとして機能し、物理的自由度をはるかに少ないエンタングルメントで再正規化変数に変換する。
この構成により、強い相関の量子状態のコンパクトで高表現力の表現が得られる。
論文 参考訳（メタデータ） (2026-03-15T15:09:00Z) - Federated Quantum Kernel Learning for Anomaly Detection in Multivariate IoT Time-Series [27.38765909731335]
本稿では,FQKL(Federated Quantum Kernel Learning)フレームワークを提案する。
FQKLは、古典的連合ベースラインに比べて複雑な時間的相関を捉える際に優れた一般化を実現する。
この作業は、フェデレートされた設定における量子カーネルの約束を強調し、次世代IoTインフラストラクチャのためのスケーラブルで堅牢で量子強化されたインテリジェンスへの道を進めます。
論文 参考訳（メタデータ） (2025-11-04T06:35:53Z) - It's-A-Me, Quantum Mario: Scalable Quantum Reinforcement Learning with Multi-Chip Ensembles [29.944281778572876]
量子強化学習(QRL)はヒルベルト空間にアクセスできるコンパクト関数近似器を約束する。
制約を克服するために,複数の小型量子畳み込みニューラルネットワーク(QCNN)を用いたマルチチップアンサンブルフレームワークを提案する。
我々のアプローチは、スーパーマリオブラザーズ環境からの複雑な高次元の観測を独立した量子回路で分割する。
論文 参考訳（メタデータ） (2025-08-31T06:15:55Z) - Entanglement-Efficient Distribution of Quantum Circuits over Large-Scale Quantum Networks [2.9078970632232104]
異なるネットワークトポロジ上での様々な量子回路の絡み合い条件と時間での性能について検討する。
我々は, 直接分割法よりも実行時間が大幅に低い場合において, 粗大化法は解の質を向上できることを示した。
論文 参考訳（メタデータ） (2025-07-21T19:57:12Z) - Tensor Network Techniques for Quantum Computation [41.94295877935867]
この本はテンソルネットワークとその量子計算および量子情報への応用の入門的かつ徹底的なガイドとして機能する。
パートIでは、テンソル構造やマトリックス製品状態(MPS)やツリーネットワーク(TTN)といったネットワーク表現など、基本的なトピックが取り上げられている。
第2部は量子力学のシミュレーションにおけるテンソルネットワークの実践的応用を探る。
最後の章ではテンソルネットワークにおける「量子魔法」の役割について論じている。
論文 参考訳（メタデータ） (2025-03-06T13:31:17Z) - Embedding of Tree Tensor Networks into Shallow Quantum Circuits [0.0]
本研究では,木ネットワーク(TTN)を浅い量子回路に埋め込む手法を提案する。
我々の数値的な結果は、TTNの埋め込みは、マトリックス生成状態(MPS)よりも優れた初期量子回路を提供することを示している。
この研究は、VQAの2次元システムと長距離相関系への応用を拡大することが期待されている。
論文 参考訳（メタデータ） (2025-01-31T02:38:17Z) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳（メタデータ） (2022-11-09T21:43:16Z) - Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。
この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。
GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
論文 参考訳（メタデータ） (2022-04-18T21:45:13Z) - Strong entanglement distribution of quantum networks [3.6720510088596297]
大規模量子ネットワークは、単一の絡み合ったシステムの伝送とストレージの現実的な制約を克服するために使われてきた。
一般化されたEPR状態とGHZ状態からなる接続ネットワークは、二部交絡測定の観点で、強いCKWモノガミー不等式を満たすことを示す。
我々は、局所的なユニタリ演算の下でのネットワーク構成を区別することで、絡み合った量子ネットワークを分類する。
論文 参考訳（メタデータ） (2021-09-27T08:45:18Z) - A Multisite Decomposition of the Tensor Network Path Integrals [0.0]
我々は、テンソルネットワークパス積分(TNPI)フレームワークを拡張し、局所的な散逸環境を持つ量子システムを効率的にシミュレートする。
MS-TNPI法は溶媒と結合した様々な拡張量子系の研究に有用である。
論文 参考訳（メタデータ） (2021-09-20T17:55:53Z)
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。