Learning to Maximize Quantum Neural Network Expressivity via Effective Rank
本論文は、量子ニューラルネットワークの表現性を特徴づけるための新たな定量的指標として有効ランク()を導入し、この指標を最大化する高表現性の量子回路アーキテクチャを自動的に設計するために、自己注意トランスフォーマーエージェントを備えた強化学習フレームワークを活用する。
903 件の論文
計算物理学は、複雑な自然現象をコンピューターシミュレーションで解き明かす分野です。実験だけでは観測が難しい宇宙の成り立ちや、分子レベルの微細な動きまで、数式をプログラム化して可視化し、現実のメカニズムを紐解きます。
Gist.Science では、arXiv に公開される計算物理学の最新論文をすべて対象に、専門家による詳細な技術解説と、誰でも理解できる平易な要約を常時提供しています。専門用語に頼らず、研究の核心を伝えることで、この分野の最前線を広く開くことを目指しています。
以下に、arXiv から新たに追加された計算物理学の論文リストを掲載します。最新の研究動向を、それぞれの要約とともにご覧ください。
本論文は、量子ニューラルネットワークの表現性を特徴づけるための新たな定量的指標として有効ランク()を導入し、この指標を最大化する高表現性の量子回路アーキテクチャを自動的に設計するために、自己注意トランスフォーマーエージェントを備えた強化学習フレームワークを活用する。
本論文は、非クリフォードゲートの割合を調整することで量子リザーバ計算の学習性とスケーラビリティを継続的に最適化できることを示し、リザーバの性能、もつれ統計、および非安定化資源の間の直接的な関連性を確立することで、古典的にシミュレーション可能な領域と計算論的に複雑な量子ダイナミクスとの境界を航行することを可能にすることを明らかにする。
本論文は、多様な初期状態と駆動プロトコルにわたる量子多体系の時間発展を予測するために、プロトコルを直接伝播演算子にマッピングする自己教師あり基盤モデルである汎用ニューラル伝播子(UNP)を導入し、これにより対角化による厳密解の範囲を超えた転移可能なシミュレーションを可能にする。
本論文は、多様なGPUアーキテクチャにおける静電PICシミュレーション向けIPPLライブラリ内で、FFT、PCG、FEM、および新規のパーティクル・イン・フーリエ(PIF)法を含む各種ポアソンソルバのパフォーマンスと移植性を評価し、FFTが最速である一方で、PIF法は高忠実度な代替手段として優れたスケーラビリティを提供することを明らかにした。
本論文は、運動量射影波動関数と低ランクカーネル因数分解を組み合わせ、熱力学的極限における結合定数領域全体にわたるキャリアの挙動を正確に記述するスケーラブルかつ並進不変な変分理論を第一原理極子に対して導入し、LiF 中の強結合極子における既存の図式モンテカルロ結果に重大なバイアスが存在することを明らかにする。
本論文は、分極可能な原子多重極と非自己無撞着線形応答を統合する半局所フレームワークを導入し、これにより機械学習原子間ポテンシャルが、多様なイオン性および分極性系において長距離静電相互作用を正確にモデル化し、Born 有効電荷や赤外スペクトルといった分極感受性のある観測量を予測することを可能にする。
本論文は、コップマン作用素解析と動的モード分解を用いたデータ駆動型フレームワークを提示し、時空間データからバンド分散、スペクトル関数、および量子幾何学的性質を直接再構成するものであり、明示的なハミルトニアンを必要とせずに凝縮系物質およびフォトニクスにおける波動伝播とトポロジカル相の解析に対する統一的アプローチを提供する。
本論文は、励起状態のアルゴンクラスターにおける励起の局在化とクラスター異性体へのジアバタイゼーションの影響をよりよく理解するために、3p4s 状態と 3p4p 状態間の以前は無視されていた強い回避交叉を組み込んだ改良された分子内二原子(DIM)計算を報告する。
本研究は、豆型およびピーナッツ型ビリヤードにおける古典的カオスと量子カオスの強い相関を、位相空間力学、スペクトル統計、および動的測度の統合的分析を適用することで検証し、これらの非一様曲率系における共有されたカオス的挙動および固有関数の瘢痕化を明らかにする。
本研究は多次元シミュレーションを用いて、ペロブスカイト太陽電池におけるナノテクスチャ界面が電界の再分配とキャリアダイナミクスの制御を通じて変換効率を向上させることを明らかにし、輸送層における特定のテクスチャ高さと表面再結合率が結果としての開放電圧および短絡電流密度を決定することを示した。