Kwantowe sieci neuronowe do symulacji wielociałowych układów kwantowych

Prelegent: 

Bartłomiej Gardas, Uniwersytet Jagielloński

Data: 

05/04/2019 - 13:00

Zaprezentowane zostaną eksperymentalne symulacje układów kwantowych wielu ciał przy użyciu hybrydowego algorytmu kwantowo-klasycznego. W naszym układzie funkcja falowa modelu kwantowego Isinga pola poprzecznego jest reprezentowana przez ograniczoną maszynę Boltzmanna. Ta sieć neuronowa jest następnie uczona przy użyciu wariacyjnego Monte Carlo wspomaganego przez próbnik kwantowy z falą D w celu znalezienia energii stanu podstawowego. Nasze wyniki wskazują, iż już pierwsza generacja komputerów kwantowych może zostać wykorzystana do rozwiązywania nietrywialnych problemów dotyczących fizyki układów kwantowych wielu ciał.

Autor: Zbigniew Puchała | Data utworzenia: 29.03.2019 | Ostatnia modyfikacja: 09.05.2019

Historia zmian

Data aktualizacji: 09/05/2019 - 22:06; autor zmian: Jarosław Miszczak (miszczak@iitis.pl)

Zaprezentowane zostaną eksperymentalne symulacje układów kwantowych wielu ciał przy użyciu hybrydowego algorytmu kwantowo-klasycznego. W naszym układzie funkcja falowa modelu kwantowego Isinga pola poprzecznego jest reprezentowana przez ograniczoną maszynę Boltzmanna. Ta sieć neuronowa jest następnie uczona przy użyciu wariacyjnego Monte Carlo wspomaganego przez próbnik kwantowy z falą D w celu znalezienia energii stanu podstawowego. Nasze wyniki wskazują, iż już pierwsza generacja komputerów kwantowych może zostać wykorzystana do rozwiązywania nietrywialnych problemów dotyczących fizyki układów kwantowych wielu ciał.
Data aktualizacji: 29/03/2019 - 14:24; autor zmian: Zbigniew Puchała (zbyszek@iitis.pl)

We conduct experimental simulations of many-body quantum systems using a hybrid classical-quantum algorithm. In our setup, the wave function of the transverse field quantum Ising model is represented by a restricted Boltzmann machine. This neural network is then trained using variational Monte Carlo assisted by a D-wave quantum sampler to find the ground-state energy. Our results clearly demonstrate that already the first generation of quantum computers can be harnessed to tackle nontrivial problems concerning physics of many-body quantum systems.
Data aktualizacji: 29/03/2019 - 14:24; autor zmian: Zbigniew Puchała (zbyszek@iitis.pl)

We conduct experimental simulations of many-body quantum systems using a hybrid classical-quantum algorithm. In our setup, the wave function of the transverse field quantum Ising model is represented by a restricted Boltzmann machine. This neural network is then trained using variational Monte Carlo assisted by a D-wave quantum sampler to find the ground-state energy. Our results clearly demonstrate that already the first generation of quantum computers can be harnessed to tackle nontrivial problems concerning physics of many-body quantum systems.