Table des matières
Présentation de l'article
Maison Périphériques technologiques IA Un problème quantique qui nécessitait la résolution de 100 000 équations a été compressé par l'IA en seulement quatre sans sacrifier la précision.

Un problème quantique qui nécessitait la résolution de 100 000 équations a été compressé par l'IA en seulement quatre sans sacrifier la précision.

May 15, 2023 pm 08:40 PM
方程 量子

Les électrons en interaction présentent une variété de phénomènes uniques à différentes énergies et températures. Si nous modifions leur environnement, ils auront de nouveaux comportements collectifs, tels que la rotation, les fluctuations d'appariement, etc. Cependant, lorsqu'il s'agit d'électrons, il existe encore de nombreuses difficultés. dans ces phénomènes. De nombreux chercheurs utilisent le Renormalization Group (RG) pour résoudre ce problème.

Dans le contexte des données de grande dimension, l'émergence de la technologie d'apprentissage automatique (ML) et des méthodes basées sur les données a suscité un grand intérêt parmi les chercheurs en physique quantique. Jusqu'à présent, les idées du ML ont été utilisées dans l'interaction de l'électronique. systèmes .

Dans cet article, des physiciens de l'Université de Bologne et d'autres institutions utilisent l'intelligence artificielle pour compresser un problème quantique qui a jusqu'à présent nécessité 100 000 équations en une petite tâche de seulement 4 équations, qui sont toutes complétées sans sacrifier la précision, la recherche a été récemment publiée dans Physical Review Letters.

Un problème quantique qui nécessitait la résolution de 100 000 équations a été compressé par lIA en seulement quatre sans sacrifier la précision.

Adresse papier : https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.129.136402

Domenico Di Sante, premier auteur de l'étude et professeur adjoint à la Université de Bologne, a déclaré : Nous avons couplé cet énorme projet et avons ensuite utilisé l'apprentissage automatique pour le condenser en tâches qui peuvent être comptées sur un seul doigt.

Cette étude porte sur la question de savoir comment les électrons se comportent lorsqu'ils se déplacent à travers un réseau en forme de grille. Selon l’expérience existante, lorsque deux électrons occupent le même réseau, ils interagissent. Ce phénomène, connu sous le nom de modèle Hubbard, est une configuration idéalisée de certains matériaux qui permet aux scientifiques de comprendre comment le comportement des électrons crée des phases de la matière, telles que la supraconductivité, dans lesquelles les électrons circulent à travers le matériau sans résistance. Le modèle peut également servir de terrain d’essai pour de nouvelles méthodes avant qu’elles ne soient appliquées à des systèmes quantiques plus complexes.

Un problème quantique qui nécessitait la résolution de 100 000 équations a été compressé par lIA en seulement quatre sans sacrifier la précision.

Schéma schématique du modèle bidimensionnel de Hubbard

Le modèle Hubbard semble simple, mais même l'utilisation de méthodes informatiques de pointe pour traiter un petit nombre d'électrons nécessite une puissance de calcul puissante. En effet, lorsque les électrons interagissent, ils s’entremêlent mécaniquement : même si les électrons sont éloignés l’un de l’autre dans le réseau, les deux électrons ne peuvent pas être traités indépendamment, les physiciens doivent donc les traiter tous simultanément, plutôt que de travailler avec un seul. électron à la fois. Plus il y a d’électrons, plus il y aura d’intrication mécanique quantique et la difficulté de calcul augmentera de façon exponentielle.

Une méthode courante pour étudier les systèmes quantiques est le groupe de renormalisation. En tant qu'appareil mathématique, les physiciens l'utilisent pour observer le comportement d'un système, comme le modèle Hubbard. Malheureusement, un groupe de renormalisation enregistre tous les couplages possibles entre électrons, qui peuvent contenir des milliers, des centaines de milliers, voire des millions d'équations indépendantes qui doivent être résolues. De plus, les équations sont complexes : chaque équation représente une paire d’électrons en interaction.

L'équipe Di Sante voulait savoir si elle pouvait utiliser un outil d'apprentissage automatique appelé réseau neuronal pour rendre les groupes de renormalisation plus gérables.

Dans le cas des réseaux de neurones, les chercheurs utilisent d'abord des procédures d'apprentissage automatique pour établir des connexions avec le groupe de renormalisation en taille réelle ; puis le réseau de neurones ajuste la force de ces connexions jusqu'à ce qu'il trouve un petit ensemble d'équations qui génèrent le même ensemble d'équations que l'original, la même solution pour de très grands groupes de renormalisation. Nous nous retrouvons avec quatre équations, et même s'il n'y en a que quatre, le résultat du programme capture la physique du modèle de Hubbard.

Di Sante a déclaré : "Un réseau de neurones est essentiellement une machine qui peut découvrir des modèles cachés, et ce résultat a dépassé nos attentes."

La formation des programmes d'apprentissage automatique nécessite beaucoup de puissance de calcul, ils ont donc dépensé cela. plusieurs semaines à réaliser. La bonne nouvelle est que maintenant que leur programme est opérationnel, quelques ajustements peuvent résoudre d’autres problèmes sans avoir à repartir de zéro.

En parlant des orientations futures de la recherche, Di Sante a déclaré qu'il est nécessaire de vérifier l'efficacité de la nouvelle méthode sur des systèmes quantiques plus complexes. En outre, Di Sante affirme qu'il existe de grandes possibilités d'utilisation de la technique dans d'autres domaines concernant les groupes de renormalisation, tels que la cosmologie et les neurosciences.

Présentation de l'article

Nous effectuons une réduction de dimensionnalité basée sur les données sur une fonction à quatre sommets dépendant de l'échelle qui décrit les caractéristiques de flux du groupe de renormalisation fonctionnelle (fRG) du modèle bidimensionnel tt' Hubbard largement étudié sur des cristaux carrés. Ils démontrent qu’une architecture d’apprentissage en profondeur basée sur un solveur d’équation différentielle régulière neuronale (NODE) ​​dans un espace latent de faible dimension peut apprendre efficacement la dynamique fRG décrivant divers états supraconducteurs magnétiques et à ondes D du modèle Hubbard.

Les chercheurs ont en outre proposé une analyse de décomposition des modes dynamiques, qui peut confirmer que quelques modes sont effectivement suffisants pour capturer la dynamique du fRG. L'étude démontre la possibilité d'utiliser l'intelligence artificielle pour extraire des représentations compactes de fonctions pertinentes à quatre sommets électroniques, ce qui constitue l'objectif le plus important pour mettre en œuvre avec succès des méthodes de pointe de la théorie quantique des champs et résoudre des problèmes impliquant plusieurs électrons. L'objet de base de

fRG est la fonction de sommet V(k_1, k_2, k_3), qui doit en principe être calculée et stockée comme une fonction composée de trois variables d'impulsion continues. En étudiant des modèles théoriques spécifiques, le modèle bidimensionnel de Hubbard semble pertinent pour les cuprates et un large éventail de conducteurs organiques. Nous montrons que les représentations de dimension inférieure peuvent capturer le flux fRG de fonctions de sommet de grande dimension. Un problème quantique qui nécessitait la résolution de 100 000 équations a été compressé par lIA en seulement quatre sans sacrifier la précision.

L'état fondamental fRG du modèle Hubbard. L'hamiltonien microscopique considéré par le chercheur est représenté par la formule suivante (1). Les propriétés à 2 particules du modèle

Un problème quantique qui nécessitait la résolution de 100 000 équations a été compressé par lIA en seulement quatre sans sacrifier la précision.

Hubbard sont étudiées à travers un schéma fRG à une boucle de flux de température, où le flux RG de Un problème quantique qui nécessitait la résolution de 100 000 équations a été compressé par lIA en seulement quatre sans sacrifier la précision. est représenté dans l'équation suivante (2).

Un problème quantique qui nécessitait la résolution de 100 000 équations a été compressé par lIA en seulement quatre sans sacrifier la précision.

La figure 1 a) ci-dessous est une représentation graphique de l'équation de flux fRG à un anneau de la fonction de sommet à 2 particules V^Λ.

Un problème quantique qui nécessitait la résolution de 100 000 équations a été compressé par lIA en seulement quatre sans sacrifier la précision.

Ensuite, regardons le deep learning fRG. Comme le montre la figure 2 b) ci-dessous, en examinant le couplage Un problème quantique qui nécessitait la résolution de 100 000 équations a été compressé par lIA en seulement quatre sans sacrifier la précision. de la fonction de sommet à 2 particules avant que le flux fRG ne tende vers un couplage fort et la décomposition approximative en un seul anneau, les chercheurs ont réalisé que beaucoup d'entre eux restent dans le état de bord ou devenir Non pertinent.

Les chercheurs mettent en œuvre un schéma flexible de réduction de dimensionnalité basé sur l'architecture paramétrée NODE adaptée aux problèmes actuels de haute dimension. Cette méthode est présentée dans la figure 2 a) ci-dessous, en se concentrant sur les réseaux de neurones profonds.

Un problème quantique qui nécessitait la résolution de 100 000 équations a été compressé par lIA en seulement quatre sans sacrifier la précision.

La figure 3 ci-dessous montre trois représentations d'espace latent z statistiquement hautement corrélées en tant que caractéristiques apprises du réseau neuronal NODE au cours de la dynamique fRG de l'espace latent.

Un problème quantique qui nécessitait la résolution de 100 000 équations a été compressé par lIA en seulement quatre sans sacrifier la précision.

Veuillez vous référer au document original pour plus de détails.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn

Outils d'IA chauds

Undresser.AI Undress

Undresser.AI Undress

Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover

AI Clothes Remover

Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool

Undress AI Tool

Images de déshabillage gratuites

Clothoff.io

Clothoff.io

Dissolvant de vêtements AI

AI Hentai Generator

AI Hentai Generator

Générez AI Hentai gratuitement.

Article chaud

R.E.P.O. Crystals d'énergie expliqués et ce qu'ils font (cristal jaune)
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Meilleurs paramètres graphiques
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Comment réparer l'audio si vous n'entendez personne
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Comment déverrouiller tout dans Myrise
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌

Outils chauds

Bloc-notes++7.3.1

Bloc-notes++7.3.1

Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise

SublimeText3 version chinoise

Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1

Envoyer Studio 13.0.1

Puissant environnement de développement intégré PHP

Dreamweaver CS6

Dreamweaver CS6

Outils de développement Web visuel

SublimeText3 version Mac

SublimeText3 version Mac

Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Une nouvelle recherche révèle le potentiel du Monte Carlo quantique à surpasser les réseaux neuronaux en dépassant les limites, et un sous-numéro de Nature détaille les derniers progrès. Une nouvelle recherche révèle le potentiel du Monte Carlo quantique à surpasser les réseaux neuronaux en dépassant les limites, et un sous-numéro de Nature détaille les derniers progrès. Apr 24, 2023 pm 09:16 PM

Après quatre mois, un autre travail collaboratif entre ByteDance Research et le groupe de recherche de Chen Ji à l'École de physique de l'Université de Pékin a été publié dans la revue internationale de premier plan Nature Communications : l'article « Vers l'état fondamental des molécules via les réseaux neuronaux de diffusion Monte Carlo ». combine les réseaux de neurones avec les méthodes de diffusion Monte Carlo, améliorant considérablement l'application des méthodes de réseaux de neurones en chimie quantique. La précision du calcul, l'efficacité et l'échelle du système sur les tâches connexes sont devenues le dernier SOTA. Lien papier : https://www.nature.com

Une brève analyse de l'apprentissage automatique et des équations différentielles Une brève analyse de l'apprentissage automatique et des équations différentielles Apr 04, 2023 pm 12:10 PM

Bien que l’apprentissage automatique existe depuis les années 1950, à mesure que les ordinateurs sont devenus plus puissants et que les données ont explosé, de nombreuses pratiques existent quant à la façon dont les gens peuvent utiliser l’intelligence artificielle pour obtenir un avantage concurrentiel, améliorer leurs connaissances et augmenter leurs profits. Pour différents scénarios d'application, l'apprentissage automatique et les équations différentielles proposent un large éventail de scénarios. Tout le monde a déjà utilisé le machine learning, notamment le deep learning basé sur les réseaux de neurones, qui est très populaire. Avez-vous encore besoin de comprendre en profondeur les équations différentielles ? Quelle que soit la réponse, cela impliquera une comparaison entre les deux. Alors, quelle est la différence entre l’apprentissage automatique et les équations différentielles ? Commençons par les équations différentielles du modèle amoureux. Ces deux équations prédisent la longévité d’une relation de couple, selon le psychologue John Got.

Nature publie des avancées majeures en informatique quantique : la toute première implémentation de circuit intégré quantique Nature publie des avancées majeures en informatique quantique : la toute première implémentation de circuit intégré quantique Apr 08, 2023 pm 09:01 PM

Le 23 juin, la société australienne d’informatique quantique SQC (Silicon Quantum Computing) a annoncé le lancement du premier circuit intégré quantique au monde. Il s’agit d’un circuit qui contient tous les composants de base d’une puce informatique classique, mais à une échelle quantique. L’équipe SQC a utilisé ce processeur quantique pour simuler avec précision l’état quantique d’une molécule organique de polyacétylène, démontrant ainsi l’efficacité de la nouvelle technique de modélisation du système quantique. « Il s'agit d'une avancée majeure », a déclaré la fondatrice de SQC, Michelle Simmons. Les ordinateurs classiques d'aujourd'hui ont du mal à simuler même des molécules relativement petites en raison du grand nombre d'interactions possibles entre les atomes. Le développement de la technologie des circuits au niveau atomique SQC

Le premier ordinateur quantique à température ambiante au monde est lancé ! Pas besoin de zéro absolu, le noyau principal est en réalité « incrusté de diamants » Le premier ordinateur quantique à température ambiante au monde est lancé ! Pas besoin de zéro absolu, le noyau principal est en réalité « incrusté de diamants » Apr 09, 2023 pm 08:51 PM

L’informatique quantique est actuellement l’un des domaines de recherche les plus passionnants (et les plus médiatisés). À cet égard, la startup allemande et australienne Quantum Brilliance a récemment fait quelque chose de grand. Le premier ordinateur quantique à température ambiante et à base de diamant au monde a été installé avec succès dans une région reculée d'Océanie ! Le premier ordinateur quantique commercial au monde à température ambiante. En termes simples, l'ordinateur quantique de Quantum Brilliance ne nécessite pas de zéro absolu ni de système laser complexe. Alors, pourquoi la température ambiante vaut-elle la peine d’être évoquée ? L'idée de base d'un système informatique quantique est que les qubits peuvent être dans un état qui n'est pas seulement un "1" ou un "0", mais quelque chose appelé une "superposition".

En utilisant l'intrication quantique comme GPS, un positionnement précis peut être obtenu même dans des zones sans signal En utilisant l'intrication quantique comme GPS, un positionnement précis peut être obtenu même dans des zones sans signal May 04, 2023 pm 10:58 PM

L'intrication quantique fait référence à un phénomène de couplage spécial qui se produit entre les particules. Dans l'état intriqué, nous ne pouvons pas décrire les propriétés de chaque particule individuellement, mais seulement les propriétés du système global. Cette influence ne disparaît pas avec le changement de distance, même si les particules sont séparées par l'univers entier. Une nouvelle étude montre qu’en utilisant les mécanismes d’intrication quantique, les capteurs peuvent détecter les mouvements avec plus de précision et de rapidité. Les scientifiques pensent que ces résultats pourraient aider à développer des systèmes de navigation ne reposant pas sur le GPS. Dans une nouvelle étude soumise dans Nature Photonics par l'Université de l'Arizona et d'autres institutions, les chercheurs ont étudié le capteur optomécanique (capteur optomécanique).

NVIDIA aide le Japon à construire un supercalcul hybride : plus de 2 000 GPU H100 Tensor Core NVIDIA aide le Japon à construire un supercalcul hybride : plus de 2 000 GPU H100 Tensor Core Apr 25, 2024 pm 06:25 PM

Selon des informations publiées sur ce site le 25 avril, NVIDIA a récemment annoncé sa coopération avec l'Institut japonais des sciences et technologies industrielles avancées (AIST) pour construire un supercalculateur appelé "ABCI-Q" qui intégrera les supercalculateurs traditionnels et les ordinateurs quantiques pour créer un système de cloud hybride. Parce que Nvidia affirme que les calculateurs quantiques fonctionnant seuls feront encore beaucoup d’erreurs, les superordinateurs doivent aider à résoudre les erreurs et à rendre les calculs complexes plus fluides. La capacité d'ABCI-Q+% à effectuer des calculs complexes et à grande vitesse facilitera la recherche et les applications d'entreprise dans les domaines de l'intelligence artificielle, de l'énergie et de la biotechnologie, comme l'amélioration de l'efficacité du développement de nouveaux médicaments et de la logistique. Le site Web a appris des rapports selon lesquels ABCI-Q+ intègre plus de 2 000 GPU Nvidia H100TensorCore et est

Annonce du prix Gordon Bell 2023 : gagnant de la simulation de matériaux « Quantum Level Accuracy » de Frontier Supercomputer Annonce du prix Gordon Bell 2023 : gagnant de la simulation de matériaux « Quantum Level Accuracy » de Frontier Supercomputer Nov 18, 2023 pm 07:37 PM

Le prix ACM Gordon Bell a été créé en 1987 et décerné par l'American Computer Society. Il est connu sous le nom de « prix Nobel » dans le monde du calcul intensif. Ce prix est décerné chaque année pour récompenser des réalisations exceptionnelles dans le domaine du calcul haute performance. Le prix de 10 000 $ est offert par Gordon Bell, un pionnier dans le domaine du calcul parallèle et haute performance. Récemment, lors de la conférence mondiale sur le calcul intensif SC23, le prix ACM Gordon Bell 2023 a été décerné à une équipe internationale de huit chercheurs des États-Unis et de l'Inde qui ont réalisé une simulation de matériaux de précision quantique à grande échelle. Le projet connexe s'intitule « Modélisation de matériaux à grande échelle avec précision quantique : simulations ab initio de quasicristaux et défauts se propageant par interaction dans les alliages métalliques ». Les membres de l'équipe viennent d'horizons différents et sont

Le « voyage dans le temps » deviendra-t-il réalité ? Les scientifiques créent le premier « trou de ver » et apparaissent en couverture de Nature Le « voyage dans le temps » deviendra-t-il réalité ? Les scientifiques créent le premier « trou de ver » et apparaissent en couverture de Nature May 16, 2023 pm 11:34 PM

En tant que personnes vivant dans un monde tridimensionnel, nous semblons tous avoir réfléchi à une question : le voyage dans le temps est-il possible ? En 1916, le physicien autrichien Ludwig Flamm a proposé pour la première fois le concept de « trou de ver ». Dans les années 1930, Einstein et Nathan Rosen ont émis l'hypothèse que les trous noirs et les trous blancs sont reliés par des trous de ver lors de l'étude des équations du champ gravitationnel. «Ponts Einstein-Rosen». Les « trous de ver » sont considérés comme des « raccourcis » possibles dans l’univers, par lesquels les objets peuvent transférer le temps et l’espace en un instant. Cependant, les scientifiques n’ont pas pu confirmer l’existence objective des trous de ver. Aujourd’hui, les scientifiques ont créé le tout premier trou de ver, et le document de recherche fait la couverture de Nature.

See all articles