本論文では、量子状態の最適化手法であるエンタングルメント・フォージングにニューラルネットワークを組み合わせた手法を提案している。
エンタングルメント・フォージングは、量子系を二つのサブシステムに分割し、それぞれを別々に最適化することで、全体の量子状態を再構築する手法である。しかし、この手法には指数関数的な計算量の増大という課題があった。
本論文では、自己回帰型ニューラルネットワーク(ARNN)を用いることで、この課題を解決する。ARNNを使うことで、重要な基底状態を効率的に選択することができ、計算コストを大幅に削減できる。
具体的には以下の手順で進める:
この手法を、1次元スピン鎖、2次元三角格子スピン系、核殻模型などの物理モデルに適用し、従来手法と比較して優れた性能を示すことができた。特に、システムの複雑性が増すほど、本手法の優位性が顕著になることが分かった。
To Another Language
from source content
arxiv.org
Djupare frågor