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.

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.