A machine learning approach to quantum spin chains

Detalhes bibliográficos
Autor(a) principal: Moraes, Luiz Felipe Costa de
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
Texto Completo: 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
id UFF-2_0685c3b621ce40684f0110200bea2169
oai_identifier_str oai:app.uff.br:1/11686
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str 2120
spelling A machine learning approach to quantum spin chainsCadeias quânticas de spinAprendizado de máquinaMecânica quânticaRegressãoInformação quânticaCadeias quânticas de spinAprendizado de máquinaMecânica quânticaInformação quânticaProdução intelectualQuantum spin chainsMachine learningQuantum mechanicsRegressionQuantum informationO 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 arbitráriasCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)The aim of this work is to present a computational method to solve many-body quantum system problems. The proposed approach is a Machine Learning method to deal with images, where the input is the Hamiltonian of the desired system. We trained a VGG-16 Convolutional Neural Network to predict the ground state energy of the XXZ Hamiltonian, as well as the negativity of the pairwise entangled mixed states. The results predict with good precision the values of the energy and the pairwise entanglement. Particularly, we can reduce the dimension of the Hamiltonian before it passes through the network. The method can be generalized to arbitrary physical properties70 f.Sarandy, Marcelo SilvaSchmidt, Alexandre Grezzi de MirandaSouza, Alexandre Martins dehttp://lattes.cnpq.br/8444785493897318http://lattes.cnpq.br/9863249995224235http://lattes.cnpq.br/4112063838658098http://lattes.cnpq.br/5062261603815797Moraes, Luiz Felipe Costa de2019-10-11T18:15:20Z2019-10-11T18:15:20Z2019info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfMORAES, Luiz Felipe Costa de. A machine learning approach to quantum spin chains. 2019. 70 f. Dissertação (Mestrado em Física) ─ Instituto de Física, Universidade Federal Fluminense, Niterói, 2019.https://app.uff.br/riuff/handle/1/11686http://dx.doi.org/10.22409/PPGF.2019.m.40097380814openAccesshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/CC-BY-SAinfo:eu-repo/semantics/openAccessengreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2021-09-28T16:39:32Zoai:app.uff.br:1/11686Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202021-09-28T16:39:32Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv A machine learning approach to quantum spin chains
title A machine learning approach to quantum spin chains
spellingShingle A machine learning approach to quantum spin chains
Moraes, Luiz Felipe Costa de
Cadeias quânticas de spin
Aprendizado de máquina
Mecânica quântica
Regressão
Informação quântica
Cadeias quânticas de spin
Aprendizado de máquina
Mecânica quântica
Informação quântica
Produção intelectual
Quantum spin chains
Machine learning
Quantum mechanics
Regression
Quantum information
title_short A machine learning approach to quantum spin chains
title_full A machine learning approach to quantum spin chains
title_fullStr A machine learning approach to quantum spin chains
title_full_unstemmed A machine learning approach to quantum spin chains
title_sort A machine learning approach to quantum spin chains
author Moraes, Luiz Felipe Costa de
author_facet Moraes, Luiz Felipe Costa de
author_role author
dc.contributor.none.fl_str_mv Sarandy, Marcelo Silva
Schmidt, Alexandre Grezzi de Miranda
Souza, Alexandre Martins de
http://lattes.cnpq.br/8444785493897318
http://lattes.cnpq.br/9863249995224235
http://lattes.cnpq.br/4112063838658098
http://lattes.cnpq.br/5062261603815797
dc.contributor.author.fl_str_mv Moraes, Luiz Felipe Costa de
dc.subject.por.fl_str_mv Cadeias quânticas de spin
Aprendizado de máquina
Mecânica quântica
Regressão
Informação quântica
Cadeias quânticas de spin
Aprendizado de máquina
Mecânica quântica
Informação quântica
Produção intelectual
Quantum spin chains
Machine learning
Quantum mechanics
Regression
Quantum information
topic Cadeias quânticas de spin
Aprendizado de máquina
Mecânica quântica
Regressão
Informação quântica
Cadeias quânticas de spin
Aprendizado de máquina
Mecânica quântica
Informação quântica
Produção intelectual
Quantum spin chains
Machine learning
Quantum mechanics
Regression
Quantum information
description 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
publishDate 2019
dc.date.none.fl_str_mv 2019-10-11T18:15:20Z
2019-10-11T18:15:20Z
2019
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv MORAES, Luiz Felipe Costa de. A machine learning approach to quantum spin chains. 2019. 70 f. Dissertação (Mestrado em Física) ─ Instituto de Física, Universidade Federal Fluminense, Niterói, 2019.
https://app.uff.br/riuff/handle/1/11686
http://dx.doi.org/10.22409/PPGF.2019.m.40097380814
identifier_str_mv MORAES, Luiz Felipe Costa de. A machine learning approach to quantum spin chains. 2019. 70 f. Dissertação (Mestrado em Física) ─ Instituto de Física, Universidade Federal Fluminense, Niterói, 2019.
url https://app.uff.br/riuff/handle/1/11686
http://dx.doi.org/10.22409/PPGF.2019.m.40097380814
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv openAccess
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv openAccess
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1807838725605949440

Registros relacionados