A machine learning approach to quantum spin chains

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Moraes, Luiz Felipe Costa de
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Cadeias quânticas de spin
Aprendizado de máquina
Mecânica quântica
Regressão
Informação quântica
Produção intelectual
Quantum spin chains
Machine learning
Quantum mechanics
Regression
Quantum information
Link de acesso: https://app.uff.br/riuff/handle/1/11686
http://dx.doi.org/10.22409/PPGF.2019.m.40097380814
Resumo: O objetivo deste trabalho é apresentar um método computacional para determinar propriedades físicas de sistemas quânticos de muitos corpos. A abordagem proposta foi um método de Aprendizado de Máquina para lidar com imagens, onde a entrada é o Hamiltoniano do sistema desejado. Nós treinamos uma Rede Neural Convolucional VGG-16 para prever a energia do estado fundamental e o emaranhamento entre pares de partículas, tal como medido pela negatividade, para o Hamiltonianano de um sistema quântico de spins-1/2. Os resultados preveem com boa precisão os valores da energia e o emaranhamento entre pares. Particularmente, podemos reduzir a dimensão do Hamiltoniano antes que ele passe pela rede. O método pode ser generalizado para propriedades físicas arbitrárias

Registros relacionados