文献

J-GLOBAL ID：202002260956007266   整理番号：20A0230323

多体量子系の効率的変分シミュレーションのための深い自己回帰モデル【JST・京大機械翻訳】

Deep Autoregressive Models for the Efficient Variational Simulation of Many-Body Quantum Systems

著者 (5件)： Sharir Or (The Hebrew University of Jerusalem, Jerusalem 9190401, Israel) ,  Levine Yoav (The Hebrew University of Jerusalem, Jerusalem 9190401, Israel) ,  Wies Noam (The Hebrew University of Jerusalem, Jerusalem 9190401, Israel) ,  Carleo Giuseppe (Center for Computational Quantum Physics, Flatiron Institute, 162 5th Avenue, New York, New York 10010, USA) ,  Shashua Amnon (The Hebrew University of Jerusalem, Jerusalem 9190401, Israel)
資料名： Physical Review Letters  (Physical Review Letters)
巻： 124  号： 2  ページ： 020503  発行年： 2020年 
JST資料番号： H0070A  ISSN： 0031-9007  CODEN： PRLTAO  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 最近,人工神経回路網は,非常にもつれた多体量子状態の効率的な表現であることが示されている。実際の応用において,ニューラルネットワーク状態は変分モンテカルロ法で使用される数値スキームを継承し,量子期待値を推定するためにMarkov連鎖モンテカルロ(MCMC)サンプリングの使用が最も注目されている。MCMCにおける局所的確率的サンプリングは,2つの方法におけるニューラルネットワークの潜在的利点をキャップした。(i)固有の計算コストは,ネットワークの幅と深さに関する厳しい実用的限界を設定し,したがって,それらの表現能力を制限する。(ii)正確で非相関のサンプルを生成することの困難さは,それらの真の値から非常に遠い観測量の推定をもたらすことができる。機械学習で使用される最先端の生成モデルにより触発されて,効率的で正確なサンプリングを支援する特殊なニューラルネットワークアーキテクチャを提案し,Markov連鎖サンプリングの必要性を完全に回避した。二次元相互作用スピンモデルに対する著者らのアプローチを実証し,現在,神経回路網量子状態にアクセス可能なものより大きなシステムサイズに関する正確な結果を得る能力を示した。Copyright 2020 The American Physical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 二次元 ,  相互作用 ,  ニューラルネットワーク ,  Markov連鎖 ,  ネットワーク ,  機械学習 ,  *シミュレーション ,  神経回路網 ,  モンテカルロ法 ,  期待値 ,  *変分法 ,  *自己回帰モデル
準シソーラス用語： 計算コスト ,  MCMC ,  量子状態 , 【Automatic Indexing@JST】

分類 (3件)： 脳・神経系モデル  (EL02050C) ,  ゆらぎ,ランダム過程,Brown運動,輸送過程の一般的理論  (BA08020B) ,  統計力学一般,多体問題  (BA08010Q)

タイトルに関連する用語 (4件)： 量子系 ,  変分 ,  シミュレーション ,  自己回帰モデル