Dec, 2021

NetKet 3：用于多体量子系统的机器学习工具箱

PDF
TL;DRNetKet 3 是一个支持 GPU 和 TPU 加速训练的基于神经网络的量子态的机器学习工具箱，使用 JAX 和自动微分 方法定义 Python 代码，支持离散对称性，可用于量子动力学应用。
netketneural-network quantum statesjaxautomatic differentiationmany-body quantum physics
发现论文，激发创造
  • 利用人工神经网络解决量子多体问题

    通过机器学习的波函数系统性降低了量子物理中多体问题的复杂度，通过基于人工神经网络的变化神经元的量子状态的变分表示和强化学习方案，能够准确地描述复杂相互作用量子系统的时间演变和平衡和动态特性，为解决量子多体问题提供了新的强有力的工具。

    Jun, 2016

  • TensorFlow Quantum：量子机器学习软件框架

    TensorFlow Quantum 是一个开源库，支持快速原型设计经典或量子数据的混合量子 - 经典模型，并提供高级抽象来设计和训练区分性和生成性量子模型。该库的功能包括超导量子分类和控制，噪声型和最优化截断模拟以及类似神经网络的混合量子 - 经典模型的层次学习和 Hilbert 空间的量子分类；旨在为量子计算和机器学习提供必要的工具，发现潜在的量子算法。

    Mar, 2020

  • Qiskit-Torch-Module：快速原型制作量子神经网络

    量子计算机仿真软件关键研究领域：qiskit-torch-module 在提高运行效率、低开销与 PyTorch 集成方面较其他库提升两个数量级；适用于单机计算系统的高级工具，便于量子神经网络的整合。

    Apr, 2024

  • 使用张量网络实现量子机器学习

    本文提出一种基于张量网络的量子计算方法，用于解决当前在量子计算中机器学习所面临的挑战。在此方法下，经典计算和量子计算可共享同样的理论和算法基础，且张量网络电路在量子计算机模型的训练中具有高效节省的优势，并通过对手写识别模型的数值实验验证了其可行性。

    Mar, 2018

  • 耗散量子多体动力学神经网络方法

    本研究提出了一种基于机器学习技术的有效模拟量子多体系统动力学的方法，使用受限玻尔兹曼机表示混合多体量子态，并导出一个指向时间演化和稳态的变分蒙特卡洛算法，通过针对耗散自旋晶格系统的数值实例验证了该方法的准确性。

    Feb, 2019

  • 使用多任务神经网络学习和发现量子特性

    采用深度神经网络可以同时预测量子态的多个特性，并可通过局部测量来推断多体量子系统的全局特性，用于识别对称保护拓扑态和发现不同相之间的未知边界。

    Oct, 2023

  • 高效优化和可解释的量子神经网络

    我们提出一种基于费米模型的量子神经网络，其物理特性作为输出，并建立了与反向传播相媲美的高效优化，在具有挑战性的经典机器学习基准上具有竞争力的准确度，并且在量子系统上实现高精度且不需要预处理的机器学习，此外研究结果可用于量子纠缠分析和可解释的机器学习。

    Nov, 2022

  • 高能物理数据上的量子启发式机器学习

    本文介绍如何应用张量网络作为量子启发机器学习技术，有效地分类来自 CERN 的大型强子对撞机数据，特别是分类所谓的 b - 喷注，并解释分类结果。同时，还认为张量网络在学习过程中根据所获取到的信息选择重要的特征并调整网络结构，在不需要重复学习过程的情况下实现精密分类或快速响应。这些结果为实现高频率实时应用奠定了基础，这是目前和未来 LHCb 事件分类的关键之一，能够触发每秒数千万个事件。

    Apr, 2020

  • NNQS-Transformer: 一种有效可扩展的神经网络量子态方法用于从头计算的量子化学

    我们开发了一种基于转换器的神经网络量子态方法，用于从头计算电子结构，并采用数据中心的并行化方案，平行化的批量采样策略，以及计算有效的局部能源计算方法。对化学体系的研究表明，我们方法的精度优于现有技术，并且在大分子系统上具有良好的强弱可扩展性。

    Jun, 2023

  • 群卷积神经网络提高量子态准确度

    本文介绍如何使用 G-CNN 创建具有特定对称性质的量子状态的最大表现模型，并在经典算法中取得更好的性能表现。

    Apr, 2021