Quantum Boltzmann Machines for Sample-Efficient Reinforcement Learning
University of Bonn(波恩大学);CERN(欧洲核子研究中心)
本文提出连续半量子玻尔兹曼机(CSQBMs),通过混合量子-经典建模和解析梯度计算,将其集成到连续 Q-learning 框架中,以高效采样替代全局最大化,解决连续控制中的不稳定性问题。
2025-11-06 cs.LG quant-ph
Entropy, Free Energy, and Work of Restricted Boltzmann Machines
限制玻尔兹曼机是一种生成概率图形网络。找到特定配置的网络的概率由玻尔兹曼分布给出。给定训练数据,通过优化网络能量函数的参数来完成学习。在本文中,我们分析了限制玻尔兹曼机的统计物理背景下的训练过程。作为说明,对于小尺寸的条形图案,我们计算热力学量,例如熵、自由能和内能作为训练时期的函数。我们通过熵的次可加性证明了可见层和隐藏层之间的相关性随着训练的进行而增长。利用蒙特卡罗模拟,通过改变能量函数的参数,计算了可见向量和隐藏向量在位形空间中的运动轨迹,并计算了在受限玻尔兹曼机上所做的功的分布。我们讨论了Jarzynski等式,它连接了功的指数函数的路径平均值和训练前后自由能的差异。
2020-04-10 cond-mat.dis-nn physics.comp-ph physics.data-an
Restricted Boltzmann Machines and Matrix Product States of 1D Translational Invariant Stabilizer Codes
讨论了一维平移不变稳定子码基态的限制玻尔兹曼机(RBM)态与矩阵积态(MPS)之间的关系。一个通用的平移不变和非连通RBM状态可以表示为MPS,并且所得MPS的矩阵是秩1的。我们把这种MPS称为RBM-MPS。如果量子态可以被写为MPS,则这提供了将量子态精确地实现为RBM态的必要条件。对于具有非退化基态和周期边界条件的一般一维稳定子码,我们得到了其MPS键维数的下界和MPS矩阵秩的上界.对于MPS矩阵秩为1的上圈Hamilton算子,我们给出了RBM的一个算法。此外,我们的算法产生的RBM-MPS具有最小的键维数。一个家庭的例子来解释该算法。最后,我们推测,这些功能适用于所有的一维稳定码具有非退化的基态与周期性的边界条件,只要他们的MPS矩阵的秩为1。
2019-04-30 cond-mat.str-el quant-ph
Boltzmann/Gibbs distribution for a two level system interacting with a thermal reservoir does not follow from Schrodinger equation
在这项工作中,我们考虑了一个两态量子系统与热库的相互作用。根据Schrodinger/Von Neumann方程计算系统处于基态的概率的长时间极限,与平衡态统计力学的预言相矛盾。最有可能的解释是薛定谔方程作为对这种系统的描述是不完整的,因为这里所做的其他假设有更广泛的实验支持。
2004-09-10 quant-ph
The learnability scaling of quantum states: restricted Boltzmann machines
利用机器学习的生成建模为从一组量子比特测量重构量子态的数据驱动任务提供了新的视角。随着越来越多的实验量子设备在实验室中被建造,这些机器学习技术如何随着量子比特的数量而扩展的问题变得至关重要。我们实证研究限制玻尔兹曼机(RBM)应用于重建的一维横向场伊辛模型从投影测量数据的基态波函数的标度。我们定义了一个学习标准,通过一个阈值的相对误差的能量估计的机器。有了这个标准,我们观察到,在最坏的情况下-近临界-精确表示基态所需的RBM权重参数的数量与量子比特的数量成二次方。通过修剪训练模型的小参数,我们发现可以显着减少权重的数量,同时仍然保持准确的重建。这表明,为了促进学习进程,需要对成果管理制进行过度参数化。
2019-08-26 quant-ph
Clever Design, Unexpected Obstacles: Insights on Implementing a Quantum Boltzmann Machine
我们已经实现了一个基于门控的量子版本的限制玻尔兹曼机近似的基态的保利分解量子比特哈密顿量。在实施和评估过程中,我们注意到了各种意想不到的话题。它从算法本身结构的限制开始,并继续受到特定量子软件开发工具包的限制,这些工具包(尚未)支持有效实现的必要功能。在本文中,我们系统地总结了我们的研究结果,并根据它们与类似量子算法实现的相关性对其进行分类。我们还讨论了在当前NISQ设备上执行此类实现的可行性。
2023-01-31 quant-ph
Numerically "exact" simulations of entropy production in the fully quantum regime: Boltzmann entropy versus von Neumann entropy
我们提出了一个计划,以评估热力学变量的系统耦合到一个热浴下的时间依赖的外力使用准静态亥姆霍兹能量从数值“精确”的分层运动方程(HEOM)。我们计算了强耦合到非马尔可夫热浴的自旋系统在不同温度下产生的熵。我们表明,当外部扰动的变化发生足够缓慢,系统总是达到热平衡。因此,我们计算了玻尔兹曼熵和冯诺伊曼熵的等温过程,以及各种热力学变量,如内能的变化,热量和工作,准静力平衡的基础上的HEOM系统。我们发现,虽然在玻尔兹曼和冯诺依曼的情况下,作为系统浴耦合强度的函数的系统熵的特征是相似的,那些为总熵产生是完全不同的。玻尔兹曼情形下的总熵产生总是正的,而如果我们选择整个系统的一个热平衡态(一个未因式分解的热平衡态)作为初始态,那么在冯·诺依曼情形下的总熵产生就变为负的。这是因为在冯·诺依曼情况下的总熵产生没有适当地考虑系统-浴相互作用的熵的贡献。因此,玻尔兹曼熵必须用来研究完全量子体系中的熵产生。最后,我们研究了Jarzynski等式的适用性。
2020-12-17 cond-mat.stat-mech physics.chem-ph quant-ph
Quantum Ground State Energies for Very Flat Potentials
考虑了一个无限序列的势阱函数。一个试探波函数与Schr $\ddot{\text{o}}$ dinger方程一起使用,以获得每个势阱函数的近似基态能量。我们得到一个表达式,是完全正确的谐波势,有一个直观的正确的形式,我们所有的势阱函数,可以理解为一个分区的基态能量分为两部分,一个动能和一个潜力。
2018-03-03 quant-ph
Variational Quantum Boltzmann Machines
本文提出了一种新的量子玻尔兹曼机的实现方法。所需的吉布斯状态的准备,以及损失函数的分析梯度的评估是基于变分量子虚时演化,一种技术,通常用于基态计算。与现有方法相比,该实施方式促进了针对任意参数化哈密尔顿算子的具有实际损失函数的梯度的近期兼容QBM训练,所述哈密尔顿算子不一定必须是完全可见的,但也可以包括隐藏单元。变分吉布斯态近似的数值模拟和实验上运行的IBM量子提供的实际量子硬件证明。此外,我们说明了这种变分QBM方法的生成和判别式学习任务,使用数值模拟的应用。
2020-06-10 quant-ph
Self-learning projective quantum Monte Carlo simulations guided by restricted Boltzmann machines
投影量子蒙特卡罗(PQMC)算法是模拟量子多体系统基态性质的最有效的计算方法之一。然而,只有当使用足够精确的试验波函数来指导模拟时,它们才是有效的。在标准方法中,该引导波函数在执行变分最小化的单独模拟中获得。在这里,我们将展示如何执行PQMC模拟指导下的自适应波函数的基础上限制玻尔兹曼机。该自适应波函数通过无监督机器学习沿着PQMC模拟进行优化,从而避免了单独的变分优化的需要。作为一个副产品,这种技术提供了一个准确的分析的基态波函数,这是通过最小化的Kullback-Leibler发散相对于PQMC样本,而不是通过最小化的能量期望值在标准的变分优化。这种自学习PQMC技术的高精度证明了一个典型的符号问题的自由模型,即铁磁量子伊辛链,表现出非常精确的协议与预测的约旦-维格纳理论和环路量子蒙特卡罗模拟在低温极限。
2019-07-01 cond-mat.other physics.comp-ph quant-ph
Restricted-Boltzmann-Machine Learning for Solving Strongly Correlated Quantum Systems
我们发展了一种机器学习方法来构造精确的强相互作用和纠缠量子自旋的基态波函数以及晶格上的费米子模型。一个人工神经网络形式的限制玻尔兹曼机算法与传统的变分Monte Carlo方法与对积(geminal)波函数和量子数投影相结合。该组合允许将机器学习方案应用于相互作用的费米子系统。结合的方法大大提高了精度超越以往任何时候都实现了单独的,在海森堡以及哈伯德模型上的正方形格子,从而证明了它的权力作为一个高精度的量子多体解算器。
2017-11-23 cond-mat.dis-nn cond-mat.str-el physics.comp-ph
Monotonicity of quantum ground state energies: Bosonic atoms and stars
研究了具有库仑或牛顿相互作用的量子N体系统的非相对论玻色基态能量的N依赖性。库仑系统是“玻色子原子”,它们的原子核是固定的,牛顿系统是“玻色子星”。在任一情况下,在N中存在某个三阶多项式,使得基态能量与相应多项式的比率在N中单调增长。这些新的单调性结果的一些应用进行了讨论。
2010-01-24 math-ph math.MP quant-ph
Ground- and excited-state energies extraction via Trotterization on IBM quantum computers
University of California, Merced(加州大学默塞德分校);Mitsubishi Electric Research Laboratories (MERL)(三菱电机研究实验室)
在IBM量子计算机上实现Trotter化时间演化算符的Hadamard测试,同时提取横场Ising模型和横纵场Ising模型的基态和激发态能量,利用恒定深度电路在噪声背景下提取多达六自旋的本征能量。
2026-06-18 quant-ph
Universality in Ground State Masses of Nuclei
本文基于薛定谔算符第一特征值与布朗运动大偏差的联系,研究Z≥8、N≥8原子核基态能量分布的普适性,证明核质量遵循极值统计,表明核基态能量可视为Donsker-Varadhan大偏差理论意义下的极值。
2023-11-28 cond-mat.stat-mech nucl-th quant-ph
Determination of ground state properties in quantum spin systems by single qubit unitary operations and entanglement excitation energies
介绍了一种基于量子多体系统的基态性质的分析方法,该方法基于量子多体系统的幺正操作对量子多体系统的可分性和纠缠性的刻画。我们应用这种方法研究了几个相互作用的自旋1/2模型的基态结构,这些模型由具有不同对称度的哈密顿量描述。我们表明,基于单量子比特幺正操作的方法允许引入{ \it ``纠缠激发能''},一组可以表征基态性质的可观测量,包括单点纠缠的量化和量子临界点的确定。该形式允许识别因子分解点的存在和位置,以及在因子分解的方法处发生的纯量子{ \it "纠缠的转变“}。这种量子跃迁的特征在于与单量子比特幺正操作相关的激发能的发散比。
2007-12-21 cond-mat.other quant-ph
Unitary-Coupled Restricted Boltzmann Machine Ansatz for Quantum Simulations
神经网络量子态(Neural-Network Quantum State,NQS)作为一种模拟量子现象的强有力的波函数模型,引起了人们极大的兴趣。特别地,基于受限玻尔兹曼机(RBM)的NQS的变体已经被适配为对自旋晶格的基态和量子器件中的小分子的电子结构进行建模。尽管取得了这些进展,但基于RBM-NQS的量子模拟仍然存在重大挑战。在这项工作中,我们提出了一个状态准备协议,以产生一组特定的复值RBM-NQS,我们称之为酉耦合RBM-NQS,在量子线路。这是一个至关重要的进步,因为所有先前的工作都只处理量子算法的实值RBM-NQS。通过这种新的方案,我们实现了(1)模拟复值波函数,(2)使用少至一个辅助量子比特来模拟RBM架构中的$M$隐藏自旋,以及(3)避免后选择以提高可扩展性。
2019-12-06 quant-ph
Approximating Ground State Energies and Wave Functions of Physical Systems with Neural Networks
量子理论在提供对基础尺度的物理系统的理解方面取得了显著的成功。求解薛定谔方程提供了物理系统所有动力学量的全部知识。然而,该方程的封闭形式解仅适用于少数系统,并且通常使用近似方法来找到解。本文讨论了物理系统的基态解的与时间无关的薛定谔方程的求解问题。我们提出在变分优化方案中使用端到端深度学习方法来近似这些系统的基态能量和波函数。神经网络实现了通用的试探波函数,并通过优化物理系统的哈密顿量的期望值,在无监督学习框架中进行训练。所提出的方法进行评估的物理系统组成的一个粒子在一个盒子里,没有扰动。我们证明,我们的方法获得近似的基态能量和波函数是高度准确的,这使得它成为一个潜在的似是而非的候选人,用于解决更复杂的物理系统的解析解是遥不可及的。
2020-11-21 cond-mat.dis-nn quant-ph
Hybrid quantum-classical neural network for calculating ground state energies of molecules
我们提出了一个混合量子经典神经网络,可以进行电子结构计算和生成简单分子的势能曲线。该方法是基于参数化的量子线路和测量相结合。在无监督训练的情况下,神经网络可以基于在某些键长下的训练生成电子势能曲线。为了证明所提出的新方法的力量,我们提出的结果,使用量子-经典混合神经网络计算基态势能曲线的简单分子,如H $_2$,LiH和BeH $_2$。结果是非常准确的,该方法可以潜在地用于生成复杂的分子势能面。
2020-07-28 quant-ph
Multi-Reference UCCSD Variational Quantum Algorithm for Molecular Ground State Energies
本文提出一种粒子数守恒量子线路实现的多参考UCCSD变分量子算法,在LiH、BeH₂和H₆上以数百个CNOT门实现低于10⁻⁵ Hartree的基态能量精度,兼顾计算精度与量子资源缩减。
2025-04-14 quant-ph
Stoquastic ground states are classical thermal distributions
我们研究了局部随机哈密顿量的基态的结构,并表明在温和的假设下,以下分布可以有效地相互近似:(a)由随机哈密顿量的基态引起的分布,(b)由随机无挫挫哈密顿量的基态引起的分布,(c)局部经典哈密顿量的吉布斯分布,以及(d)由实值深度玻尔兹曼机表示的分布。此外,我们强调制度,它是可能有效地从上述分布的经典采样。
2020-11-19 quant-ph
On the Difference Between the Vacuum Casimir Energies for Grounded and Isolated Conductors
我们研究真空(即,零温度)卡西米尔能量的中性导体系统是孤立的,而不是接地。前者是指描述每个导体上的总电荷及其所有波动消失的情况,而后者描述导体连接到电荷库的情况。我们计算了给定导体系统的真空能之间的差,但受到上述两种不同条件的影响。结果可以写在一个广义的,频率相关的电容矩阵的系统。使用多极展开,我们表明,接地Casimir能量包括一个相互作用项,这是缺乏孤立的情况下,在大距离限制
2016-09-14 cond-mat.other hep-th quant-ph
Towards Efficient Quantum Computation of Molecular Ground State Energies using Bayesian Optimization with Priors over Surface Topology
针对变分量子特征求解器(VQE)中采样数增加会提升模拟成本的问题,提出带表面拓扑先验的贝叶斯优化(BOPT)方法,用更少量子资源实现分子基态能量计算,并验证了方法有效性。
2024-07-10 cond-mat.str-el physics.chem-ph quant-ph
Approximating Ground and Excited State Energies on a Quantum Computer
近似基态和固定数量的激发态能量,或等价的低阶哈密顿本征值,是一个重要但计算困难的问题。通常,经典的确定性算法的成本随自由度的数量呈指数增长。在一般条件下,并使用微扰方法,我们提供了一个量子算法,产生一个常数$j$不同的低阶本征值的估计。该算法依赖于一组尝试特征向量,其构造取决于特定的汉密尔顿性质。我们说明了我们的结果,考虑一个特殊的情况下,时间无关的薛定谔方程与$d$自由度。我们的算法计算一个常数$j$的不同的低阶特征值的误差$O(ε)$和成功概率至少$\frac34$,成本多项式在$\frac{1}ε$和$d$。这扩展了我们以前的结果估计的基态能量的算法。我们提出的技术是足够的一般适用于本文研究的应用程序以外的问题。
2015-08-06 quant-ph
Charge Transfer Excitation Energies From Ground State Density Functional Theory Calculations
以高精度和低计算成本计算电荷转移(CT)激发能是一项具有挑战性的任务。Kohn-Sham密度泛函理论(KS-DFT)由于其高效性和精确性,在描述基态问题上取得了巨大的成功。为了扩展到激发态的问题,我们的小组最近展示了一种方法,具有良好的数值结果来计算低位和里德堡激发能的$N$ -电子系统从基态KS或广义KS计算的$(N-1)$-电子系统通过其轨道能量。在目前的工作中,我们进一步探索相同的方法来描述CT激发。从这项工作的数值结果表明,传统的密度泛函近似(DFAs)的性能不如CT激发为其他激发,由于离域误差。应用定域轨道标度校正(LOSC)到传统的DFAs,最近开发的方法,在我们的小组,以有效地减少离域误差,可以改善结果。总的来说,这种方法的性能优于时间相关DFT(TDDFT)与传统的DFA。此外,它表明,从LOSC-DFAs在这种方法达到类似的精度与其他方法,如$Δ$ SCF,$G_0W_0$与Bethe-Salpeter方程,粒子-粒子无规相位近似,甚至高层次的波函数方法,如CC 2。我们的分析表明,正确的$1/R$趋势CT激励可以捕获从LOSC-DFA计算,强调最小的离域误差的DFA的应用程序是必不可少的,在这种方法。这为从基态密度泛函理论计算CT激发能提供了一种有效的方法。
2019-03-20 physics.chem-ph quant-ph
Repesentation of general spin-$S$ systems using a Restricted Boltzmann Machine with Softmax Regression
提出带 Softmax 回归的受限玻尔兹曼机 SRBM,用随机重构训练以表示一般自旋-$S$多体波函数,并在自旋-1/2及多种自旋链上验证其与 ED、DMRG 结果吻合。
2023-04-24 cond-mat.dis-nn quant-ph
Accessing ground state and excited states energies in many-body system after symmetry restoration using quantum computers
我们探讨了在量子计算机上进行对称性恢复的可能性,在投影技术之后进行额外的后处理。最终目标是开发基于在量子计算机上预优化的多体试验状态的配置相互作用技术。我们展示了如何投影方法用于对称性恢复可以准备优化的状态,然后可以作为初始状态的量子或混合量子经典算法。我们使用量子相位估计和量子Krylov方法进行后处理。后一种方法与投影后量子变分(Q-VAP)相结合,导致非常快的收敛到基态能量。并讨论了获得激发态能量的可能性。使用配对哈密顿量的不同技术的说明。
2021-11-25 cond-mat.supr-con nucl-ex nucl-th
Restricted Boltzmann Machines for Quantum States with Nonabelian or Anyonic Symmetries
虽然人工神经网络最近已被证明是一个有前途的新框架,用于构建量子多体波函数,参数化的量子波函数与非阿贝尔对称性方面的玻尔兹曼机固有地导致偏见的结果,由于基础的依赖性。我们证明,这个问题可以克服采样的基础上的不可约表示,而不是自旋,相应的anabelian尊重系统的非阿贝尔对称性。我们应用我们的方法来找到基态的一维反铁磁海森堡(AFH)模型与自旋半和自旋1自由度,并获得了更高的精度比使用时,$s_z$ -基础作为输入到神经网络。通过计算AFH模型的能隙,说明了该方法可以靶向激发态。我们还推广的框架的情况下,任意自旋链。
2020-03-02 cond-mat.dis-nn cond-mat.str-el quant-ph
Efficient Representation of Topologically Ordered States with Restricted Boltzmann Machines
神经网络的表示,特别是限制玻尔兹曼机(RBM),提供了一个强大的计算工具来解决量子多体问题。一个重要的开放问题是如何表征哪类量子态可以有效地表示与RBM。在这里,我们表明,RBM可以有效地表示广泛的一类多体纠缠态与丰富的奇异拓扑秩序。这包括:(1)具有内禀拓扑序的双半子和扭曲量子双模型的基态;(2)具有对称保护拓扑序的AKLT模型和二维CZX模型的态;(3)具有分形拓扑序的Haah码模型的态;(4)对量子信息协议有重要意义的广义稳定子态和超图态。这里考虑的一个扭曲的量子双模态含有非阿贝尔任意子激发。结果表明,利用RBM计算工具箱可以研究各种具有奇异拓扑序和丰富物理性质的量子模型。
2018-11-27 cond-mat.dis-nn cond-mat.str-el quant-ph