論文の概要: Cool Graphs: Active Property Search Towards Quantum Nano-Refrigerators

• arxiv url: http://arxiv.org/abs/2611.04907v1
• Date: Tue, 03 Nov 2026 13:50:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-09 12:48:52.613888
• Title: Cool Graphs: Active Property Search Towards Quantum Nano-Refrigerators
• Title（参考訳）: クールなグラフ:量子ナノ冷凍機に向けたアクティブなプロパティ検索
• Abstract要約: 熱環境からエネルギーを吸収するナノデバイスは、量子冷蔵庫として機能する。 適切な構成を見つけることは、Here-in-a-haystack問題である。 本稿では,グラフ変分オートエンコーダと不確実性駆動型アクティブラーニングループを結合した検索フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Nanodevices that absorb energy from their thermal environment can act as quantum refrigerators. Finding suitable configurations, however, is a needle-in-a-haystack problem: the many-body state space scales exponentially with the size of the device, where each candidate configuration requires an expensive quantum-chemical computation. We introduce a search framework that couples a Graph Variational Autoencoder (GVAE) with an uncertainty-driven Active Learning (AL) loop to efficiently identify energy-absorbing configurations in electronic junctions with a 2D "working material" to be optimized. The GVAE maps physical parameters - site energies, coupling matrices, temperature - into a smooth latent space that distinguishes cooling from dissipative parameter regimes, achieving a classification discriminability of $0.920 \pm 0.004$ on held-out configurations and $0.895 \pm 0.010$ on unseen extrapolation topologies. An AL pipeline based on Monte Carlo dropout then targets the decision boundary, iteratively selecting the candidates where the model is least certain for simulation. Over 32 AL cycles, the uncertainty-driven strategy discovers energy absorbing systems at rates consistently exceeding the random baseline across all tested topologies (where only 1.9-8.4% of configurations exhibit the desired property), providing a data-efficient pathway for navigating a combinatorically large design space. The learned latent space organizes configurations along physically interpretable axes, that correlate with underlying microscopic model parameters. This hints at the existence of "cooling coordinates" - low-dimensional, physically interpretable quantities separating cooling from non-cooling regimes. Our framework, thus, paves a new way towards effective cooling of nanoscale electronic information processing devices, to reduce the environmental footprint of high performance computing.
• Abstract（参考訳）: 熱環境からエネルギーを吸収するナノデバイスは、量子冷蔵庫として機能する。 しかし、適切な構成を見つけることは、ニードル・イン・ア・ヘイスタックの問題であり、多体状態空間はデバイスのサイズと指数関数的にスケールし、それぞれの候補構成は高価な量子化学計算を必要とする。 本稿では,グラフ変分オートエンコーダ(GVAE)と不確実性駆動型アクティブラーニング(AL)ループを結合した検索フレームワークを提案する。 GVAEは物理パラメータ(サイトエネルギー、結合行列、温度)を滑らかな潜時空間にマッピングし、散逸パラメータ状態から冷却を区別し、ホールドアウト構成では0.920 pm 0.004$、外挿位相では0.895 pm 0.010$と分類できる。 モンテカルロのドロップアウトに基づくALパイプラインは、決定境界を目標とし、モデルがシミュレーションに最も確実な候補を反復的に選択する。 32以上のALサイクルで、不確実性駆動の戦略は、全てのテストトポロジ(構成のわずか1.9-8.4%が所望の特性を示す)のランダムなベースラインを超える速度でエネルギー吸収システムを発見し、複合的な大きな設計空間をナビゲートするためのデータ効率の高い経路を提供する。 学習された潜伏空間は物理的に解釈可能な軸に沿って構成を整理し、基礎となる顕微鏡モデルパラメータと相関する。 このことは、非冷却状態からの冷却を分離する低次元で物理的に解釈可能な量である「冷却座標」の存在を示唆している。 そこで,我々は,ナノスケールの電子情報処理装置を効果的に冷却する方法を考案し,高性能コンピューティングの環境負荷を削減する。

関連論文リスト

• Mesh2Shell Neural Operator for Inverse Shape Optimization [67.80506116099305]
  本稿では,メッシュ・ツー・シェル・ニューラル・オペレーター(M2S-NO)をカテゴリに依存しない逆形状最適化フレームワークのメッシュ・ツー・シェルコンポーネントとして紹介する。 M2S-NOは、向き付けられた表面サンプルをTruncatedSDFやHeatSDFのような表面中心のシェル表現にマッピングする。 我々は、FEMとOpenMCを独立に評価し、幾何マッチング、ジェットエンジンブラケット、中性子モデレーターの評価を行った。
  論文  参考訳（メタデータ） (2026-11-01T19:01:25Z)
• Learn the Dynamics, Enforce the Physics: Generative Latent Operators for High-Dimensional Beam Evolution [46.07155029707905]
  本稿では,ビーム進化のための物理制約付き生成潜在演算子GLOBEについて紹介する。 GLOBEはビーム場状態をコンパクトな潜在空間に圧縮し、2つの成分に分解する。 状態特異的でパラメータフリーな演算子によって磁場制約を強制し、ポアソンが静電状態の電場を再構成する。
  論文  参考訳（メタデータ） (2026-10-10T03:48:49Z)
• An Iterative Dual-Channel Neural Quantum State Algorithm for Selected Configuration Interaction [3.013377814843082]
  我々は,古典的に訓練された自己回帰型変圧器ニューラル量子状態を,サンプルベース量子対角化の繰り返しサンプル-対角化-更新フレームワークに組み込むHandover Iterative Neural Quantum State (HI-NQS)アルゴリズムを導入する。 HI-NQSは試験された全てのシステムに対して化学的精度を達成し、最小の活性空間を除いて、従来の CIPSI ベースの SCI よりもかなり有利である。
  論文  参考訳（メタデータ） (2026-06-25T08:47:04Z)
• From spectral structure to sensing limits in quantum thermometry [0.0]
  有限スピンアンサンブルや縮退原子から、収束ポテンシャル、量子ウォーク、連続スペクトル普遍性モデルまで、幅広い種類の量子系を解析する。 量子フィッシャー情報の正確なスケーリング法則を導出し、2つの異なる高温普遍性クラスを明らかにする。 我々は, 励起状態の工学的退化や, 完全に連結した位相上の量子ウォークにより, 感度を任意に向上させることができることを示す。
  論文  参考訳（メタデータ） (2026-06-24T15:08:11Z)
• A Transferable Machine Learning Approach to Predict Optimized Orbitals for Electronic Structure Problems [0.49259062564301753]
  変分量子固有解法は、量子ハードウェア上での基底状態エネルギー計算にかなりの可能性を秘めている。 本稿では,分子構造と対結合構造から直接,最適化された軌道係数を予測するグラフニューラルネットワークフレームワークを提案する。 我々のモデルは平均絶対エネルギー誤差$mathcalO(102)$と$mathcalO$ milli-Hartreesに達する。
  論文  参考訳（メタデータ） (2026-05-05T18:12:05Z)
• Unitary Encoding of Thermal States via Thermofield Dynamics on Quantum Computers [0.0]
  本研究では、温度場ダイナミクスの有限温度真空を準備するゲートベースの量子アルゴリズムについて報告する。 回路深さはシステムサイズと線形にスケールし、単一のキュービット回転と隣り合うCNOTゲートしか必要としない。 我々の研究は、熱量子シミュレーションのための準備の整ったツールボックスを提供し、散逸相転移を研究するためのルートを開く。
  論文  参考訳（メタデータ） (2026-04-01T12:07:30Z)
• SpinGQE: A Generative Quantum Eigensolver for Spin Hamiltonians [42.007194397302825]
  基底状態探索は量子コンピューティングの中心である。 我々は、生成量子固有ソルバフレームワークをスピンハミルトニアンに拡張したSpinGQEを提案する。 我々は、低エネルギー状態を生成する量子回路について学ぶために、トランスフォーマーベースのデコーダを用いる。
  論文  参考訳（メタデータ） (2026-03-25T13:38:15Z)
• A Scalable Distributed Quantum Optimization Framework via Factor Graph Paradigm [46.08923284345648]
  分散量子最適化のための構造認識フレームワークを提案する。 検索スペースが$N$の場合、我々のフレームワークはプロセッサやセパレータに依存した要素に対して$O(sqrtN)$クエリ複雑性を達成する。 構造を考慮した分解は、量子ネットワーク上でのスケーラブルな分散量子最適化に実践的な道をもたらすことを示す。
  論文  参考訳（メタデータ） (2026-03-08T15:15:52Z)
• Thermodynamic sampling of materials using neutral-atom quantum computers [0.5366467936613011]
  我々は中性原子量子ハードウェアを用いて材料の熱力学特性を抽出する枠組みを開発し,検証する。 試験例として,窒素ドープグラフェンについて考察する。
  論文  参考訳（メタデータ） (2025-12-24T12:24:30Z)
• 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)
• Information Entropy Initialized Concrete Autoencoder for Optimal Sensor Placement and Reconstruction of Geophysical Fields [58.720142291102135]
  そこで本稿では,スパーク計測による地場再構成のためのセンサ配置の最適化について提案する。 本研究では, (a) 温度と (b) バレンツ海周辺の塩分濃度場とスバルバルド諸島群を例に示す。 得られた最適センサ位置は, 物理的解釈が明確であり, 海流の境界に対応することが判明した。
  論文  参考訳（メタデータ） (2022-06-28T12:43:38Z)

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。