論文の概要: Learning to control and predict light-driven electron-phonon dynamics
- arxiv url: http://arxiv.org/abs/2611.16780v1
- Date: Thu, 12 Nov 2026 13:22:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.477902
- Title: Learning to control and predict light-driven electron-phonon dynamics
- Title(参考訳): 光駆動型電子フォノンダイナミクスの制御と予測の学習
- Abstract要約: 本研究では,2サイト電子フォノンモデルにおいて,フィールド最適化とニューラルネットワーク予測を組み合わせた微分可能なフレームワークを開発する。
ゼロハバード相互作用における散逸のないモデルでは、全ての手法が二重占有を増加させる。
別個のリカレントネットワークは、前の値から次のステップの二重占有とフォノンオブザーバブルを予測することを学習する。
- 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: Driving lattice vibrations provides a direct route to manipulating electronic correlations through nonlinear electron-phonon coupling. Finding suitable driving fields, however, requires control over the coupled dynamics beyond a simple choice of pulse amplitude and frequency. Here we develop a differentiable framework that combines field optimization with neural-network prediction in a two-site electron-phonon model. We compare piecewise-constant, B-spline, feed-forward, and recurrent control parameterizations, optimized to increase the accumulated electronic double occupation. For the dissipation-free model at zero Hubbard interaction, all the methods increase double occupation, with the B-spline raising the mean total double occupation of approximately 30%. Alongside control optimization, a separate recurrent network learns to predict the next-step double occupation and phonon observables from their preceding values and the applied field. These results establish a computational proof of concept for shaping local electronic correlations through a phonon drive and identify a promising route toward learned models for nonequilibrium materials control.
- Abstract(参考訳): 格子振動の駆動は非線形電子-フォノン結合を介して電子相関を操作する直接的な経路を提供する。
しかし、適切な駆動場を見つけるためには、パルス振幅と周波数の単純な選択以上の結合力学を制御する必要がある。
ここでは、フィールド最適化とニューラルネットワーク予測を組み合わせた、2サイト電子フォノンモデルによる微分可能なフレームワークを開発する。
我々は、蓄積された電子的二重占有量を増やすために最適化された、断片的整合性、B-スプライン、フィードフォワード、繰り返し制御パラメータ化を比較した。
ゼロハバード相互作用における散逸のないモデルでは、すべての手法が二重占有を増加させ、Bスプラインは平均2倍占有率を約30%引き上げる。
制御最適化と並行して、別のリカレントネットワークは、前の値と適用フィールドから次のステップの二重占有とフォノンオブザーバブルを予測することを学習する。
これらの結果は、フォノン駆動により局所電子相関を形作るための計算的証明を確立し、非平衡物質制御のための学習モデルへの有望な経路を同定する。
関連論文リスト
- Numerical Optimization of Two-Qubit Gates in Silicon Flip-Flop Qubit Arrays under Electrical Control [0.0]
シリコンベースのドナーフリップフロップ量子ビットは、スケーラブルでフォールトトレラントな量子コンピューティングへの有望な道を提供する。
このプラットフォームでの高忠実なエンタングリング操作は依然として困難である。
相互作用するフリップフロップ量子ビットのスピン軌道ダイナミクスをモデル化する数値シミュレーションフレームワークFlipFlopQSimを採用している。
論文 参考訳(メタデータ) (2026-07-31T07:52:26Z) - Effective Hamiltonians for Predictive Quantum Control [0.0]
ダッフィング近似から導出される補正場は,そのモデルにより事前に予測されたゲート誤差を大幅に低減できることを示す。
エネルギースペクトルと駆動作用素の表現におけるモデル依存の小さな差が、駆動進化の過程で複雑になることを示す。
論文 参考訳(メタデータ) (2026-07-29T16:39:48Z) - AI-Driven Surrogate Models for Predicting Electrode-Scale Discharge Behavior in Lithium-Ion Batteries [47.27974914502511]
本研究では,Swin3D Transformerに基づくディープラーニングサロゲートパイプラインを導入し,データから直接放電ダイナミクスを予測する。
提案手法は計算オーバーヘッドを桁違いに削減し,高スループットバッテリー設計と最適化のためのスケーラブルで効率的なフレームワークを提供する。
論文 参考訳(メタデータ) (2026-07-22T09:10:48Z) - Comba: Improving Bilinear RNNs with Closed-loop Control [57.800320390698516]
本稿では,これらのモデルの利点と限界を包括的に分析したBilinear RNNの概念を紹介する。
我々は,状態フィードバックと出力フィードバックの両補正を併用した,スカラー+低ランク状態遷移を取り入れた新しいバイリニアRNNであるCombaを提案する。
また,大規模コーパス上での340M/1.3Bパラメータのトレーニングモデルと,ハードウェア効率のよいチャンクワイド並列カーネルを実装した。
論文 参考訳(メタデータ) (2025-06-03T05:44:50Z) - Reinforcement Twinning for Hybrid Control of Flapping-Wing Drones [0.0]
本稿では,提案手法に基づくハイブリッドモデルフリー/モデルベースによる飛行制御手法を提案する。
このアルゴリズムは、羽ばたき翼ドローンの縦方向のダイナミクスを制御するために評価される。
論文 参考訳(メタデータ) (2025-05-21T12:27:09Z) - Enhanced coarsening of charge density waves induced by electron correlation: Machine-learning enabled large-scale dynamical simulations [4.94903410489486]
相関電子系における創発的秩序の位相秩序運動は、非平衡物理学の基本的なトピックである。
我々は、電荷密度波(CDW)の粗大化をシミュレートする線形スケーリングアルゴリズムを実現するために、現代の機械学習(ML)手法を利用する。
本研究は、非平衡力学における電子相関の役割についての新しい知見を提供し、ML力場アプローチの可能性を裏付けるものである。
論文 参考訳(メタデータ) (2024-12-30T16:44:11Z) - A Hybrid Quantum-Classical Method for Electron-Phonon Systems [40.80274768055247]
このタイプの相関システムに適したハイブリッド量子古典アルゴリズムを開発した。
このハイブリッド法は、必要な量子ビットと量子ゲートの数を増やすことなく、任意に強い電子-フォノンカップリングに取り組む。
本手法は,半充填時のパラダイム的ハバード・ホルシュタインモデルに適用し,電荷密度波と反強磁性相の競合を正しく捉えていることを示す。
論文 参考訳(メタデータ) (2023-02-20T08:08:51Z) - A comparative study of different machine learning methods for
dissipative quantum dynamics [0.0]
教師付き機械学習アルゴリズムは、散逸性量子系の長期集団動態を精度よく効率的に予測できることを示す。
調和浴に線形に結合した2レベル量子系の長期ダイナミクスを予測する能力について,22のMLモデルをベンチメイドした。
論文 参考訳(メタデータ) (2022-07-06T03:37:24Z) - Photoinduced prethermal order parameter dynamics in the two-dimensional
large-$N$ Hubbard-Heisenberg model [77.34726150561087]
2次元相関電子モデルにおいて、競合する秩序相の微視的ダイナミクスについて検討する。
2つの競合する位相間の光誘起遷移をシミュレートする。
論文 参考訳(メタデータ) (2022-05-13T13:13:31Z) - Training End-to-End Analog Neural Networks with Equilibrium Propagation [64.0476282000118]
本稿では,勾配降下による終端から終端までのアナログニューラルネットワークの学習法を提案する。
数学的には、アナログニューラルネットワークのクラス(非線形抵抗性ネットワークと呼ばれる)がエネルギーベースモデルであることが示される。
我々の研究は、オンチップ学習をサポートする、超高速でコンパクトで低消費電力のニューラルネットワークの新世代の開発を導くことができる。
論文 参考訳(メタデータ) (2020-06-02T23:38:35Z)
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。