hamiltonians | BriefGPT - AI 论文速递

关键词hamiltonians

搜索结果 - 10

用于量子自旋液体的近似对称神经网络
我们提出并分析了一种近似对称的神经网络家族，用于量子自旋液体问题。我们的方法在参数效率、可扩展性方面明显优于现有的无对称神经网络体系结构，并利用混合场拓扑码模型证明我们的方法与现有的张量网络和量子蒙特卡罗方法相竞争。此外，在最大的系统尺寸（
PDFa month ago
使用通用绝热量子计算训练神经网络
通过使用绝热量子计算，本文提出了一种新的神经网络训练方法，可以有效地找到损失函数的全局最小值，为经典训练方法提供了有希望的替代方案。
PDF10 months ago
变分量子玻尔兹曼机
本文提出一种基于虚时间演化的变分量子 Gibbs 状态逼近方法，实现了与临近中期的量子计算机兼容的量子 Boltzmann 机械训练方法，同时支持任意参数哈密顿量的梯度下降求解，适用于生成学习与判别学习任务。
PDF4 years ago
控制的在线优化学习（COOL）：通过强化学习寻找自旋哈密顿量的基态
通过强化学习方法，在模拟环境下优化模拟降温黑箱算法，对比标准启发式温度计划，从而寻找温度计划，以便能够成功地退火降温，实现全局最优解，提高了系统的性能。
PDF4 years ago
阈值温度以上量子吉布斯态的条件互信息聚类
本文研究证明了在某个阈值温度以上的自旋系统量子吉布斯态是近似量子马尔可夫网络，意味着条件互信息随着距离迅速衰减，并证实了量子吉布斯采样算法的效率、本地子系统上有效哈密顿量的准局部性、互信息的聚类定理和经典吉布斯态模拟的多项式时间算法。
PDF5 years ago
模拟非稀疏哈密顿量的量子算法
文中提出了一种基于量子随机存取存储器（qRAM）的算法，可以模拟不一定稀疏的哈密顿量动力学，并通过一种线性组合的量子行走实现了多项式对数精度，最后证明了该算法可以作为一个单元实现子程序，同时实现量子线性系统求解器，对于两种应用都具有 Θ(√
PDF6 years ago
用神经网络进行机器学习拓扑不变量
本文研究如何使用神经网络在拓扑绝缘体中区分不同的拓扑相，经过训练，即使是大于训练数据的的 Hamiltonians winding number，神经网络也能够预测其拓扑缠绕数，证明了神经网络能够从局部输入中捕捉到量子相的全局和非线性拓扑特
PDF7 years ago
机器学习逼近密度泛函理论哈密顿量
通过机器学习和 kernel ridge regression 方法，提出一种快速且准确的预测 DFT 哈密顿量的方法，可适用于各种所需的材料系统，并与 DFT 计算结果进行比较。
PDF8 years ago
非可分哈密顿量的显式辛近似：算法与长时间性能
该研究论文提出了一种基于机械约束的任意 Hamiltonians 的显式、用于扩展相空间的辛积分器，采用 KAM 理论、反向误差分析和多尺度分析建立了误差界限，对于积分系统能够达到数值统计行为的满意水平，即使在可积系统失效的情况下，也取得了
PDF8 years ago
量子马尔科夫网络和交错哈密顿量
本研究扩展了量子马尔科夫网络的特征，特别是证明了正量子马尔科夫网络与哈密顿量的基态的等价性，并证明了量子马尔科夫网络与介于交错哈密顿量和一般本地哈密顿量之间的一类哈密顿量的相似性。
PDF12 years ago