[논문 리뷰] Data-driven discovery of statistically relevant information in quantum simulators

Roberto Verdel, Vittorio Vitale외 8명|arXiv (Cornell University)|2023. 07. 19.

Quantum many-body systems참고 문헌 71인용 수 4

한 줄 요약

이 논문은 비모수적 비지도 학습을 사용하여 양자 시뮬레이터의 통계적으로 유의미한 관측량과 효과적 자유도를 이론에 종속되지 않고 데이터 기반으로 식별하는 이론에 종속되지 않는 데이터 기반 프레임워크를 제안한다. 스핀어 비즈 보즈아인슈타인 응축체의 실험적 스냅샷에 주성분 분석 엔트로피, 정보 불균형, 내재 차원 추정을 적용함으로써, 시간에 따라 변하는 보편적인 역학을 드러내고 가정 없이 차원 축소 없이도 관측량을 관련성에 따라 순위 매길 수 있다.

ABSTRACT

Quantum simulators offer powerful means to investigate strongly correlated quantum matter. However, interpreting measurement outcomes in such systems poses significant challenges. Here, we present a theoretical framework for information extraction in synthetic quantum matter, illustrated for the case of a quantum quench in a spinor Bose-Einstein condensate experiment. Employing non-parametric unsupervised learning tools that provide different measures of information content, we demonstrate a system-agnostic approach to identify dominant degrees of freedom. This enables us to rank operators according to their relevance, akin to effective field theory. To characterize the corresponding effective description, we then explore the intrinsic dimension of data sets as a measure of the complexity of the dynamics. This reveals a simplification of the data structure, which correlates with the emergence of time-dependent universal behavior in the studied system. Our assumption-free approach can be immediately applied in a variety of experimental platforms.

연구 동기 및 목표

• 이론적 모델을 가정하지 않고 대규모 양자 시뮬레이터 데이터에서 관련 물리적 정보를 추출할 수 있는 이론에 종속되지 않는 방법을 개발하는 것.
• 특히 양자 쿠엔치 이후 강한 상관관계를 가지는 양자 시스템에서 지배적인 자유도를 식별하는 과제를 해결하는 것.
• 내재 차원 추정을 통해 많은 몸체 역학의 복잡성을 정량화하고, 데이터의 구조와 기대되는 보편적 행동 간의 연결 고리를 맺는 것.
• 유사 효과적 필드 이론과 동일하게, 정보 내용에 따라 관측량을 체계적이고 가정 없는 방식으로 순위 매기는 방법을 제공하는 것.
• 측정된 데이터 스냅샷만을 기반으로 하여 다양한 실험적 양자 플랫폼에 즉각 적용 가능한 방법을 제공하는 것.

제안 방법

• 스펙트럼 엔트로피를 정보 내용과 상관관계 구조의 척도로 사용하기 위해 다체 스냅샷에 주성분 분석(PCA)을 적용한다.
• 전체 특징 공간과 부분 집합 간의 정보 불균형을 사용하여 부분 집합이 전체 데이터 다양체를 얼마나 잘 예측하는지 평가한다.
• 근접 이웃 비율의 경험적 누적분포에 기반한 TWO-NN 방법을 사용하여 데이터 다양체의 내재 차원을 추정한다.
• 근접 이웃 비율의 경험적 누적분포에 선형 피팅을 적용하여 내재 차원 $I_d$를 추정한다.
• 제한된 실험적 실현 수에 기인한 통계적 오차를 안정적으로 추정하기 위해 삭제-$d$ 자르기 추정기(Delete-$d$ Jackknife estimator)를 사용하여 부분 샘플링을 구현한다.
• PCA 엔트로피, 정보 불균형, 내재 차원 등의 다중 지표를 조합하여 가장 관련성이 높은 관측량과 역학적 영역을 식별한다.

실험 결과

연구 질문

• RQ1 양자 시뮬레이터의 어떤 관측량이 기저의 다체 역학에 대해 가장 통계적으로 중요한 정보를 담고 있는가?
• RQ2 이론적 가정 없이 양자 쿠엔치 이후 양자 다체 시스템에서 지배적인 자유도를 어떻게 식별할 수 있는가?
• RQ3 데이터 다양체의 내재 차원과 양자 시스템에서 나타나는 보편적이고 시간에 따라 변하는 행동 간의 관계는 무엇인가?
• RQ4 비지도 비모수적 학습 도구가 원시 실험 데이터에서 효과적 필드 이론 유사 기술을 신뢰성 있게 드러낼 수 있는가?
• RQ5 모델에 종속되지 않는 가정으로서 양자 시뮬레이터 데이터의 복잡성을 어떻게 정량화하고, 역학의 단순화를 감지할 수 있는가?

주요 결과

• PCA 엔트로피는 가장 정보가 많은 관측량을 식별한다: $n_{1,+1}, n_{1,-1}, n_{2,+2}, n_{2,-2}$를 조합한 공동 데이터 세트는 최저 엔트로피를 보이며, 최대 정보 내용을 나타낸다.
• 정보 불균형 분석은 두 개의 관련 쌍($\{n_{1,+1},n_{1,-1}\}$ 및 $\{n_{2,+2},n_{2,-2}\}$)의 특징을 조합한 부분 집합이 $\Delta(A\to B) \sim 0$임을 보여주며, 이는 전체 특징 공간에 담긴 거의 모든 정보를 포괄하고 있음을 의미한다.
• 데이터 다양체의 내재 차원은 초도 하강 이후 긴 안정된 플랫폼을 보이며, 이는 역학이 단순화되고 보편적 스케일링으로 기술될 수 있는 시간 스케일이 있음을 나타낸다.
• 내재 차원 $I_d$는 $\{\ln(\mu), -\ln[1-F_{\mathrm{emp}}(\mu)]\}$의 선형 피팅을 통해 추정되며, $\ln(\mu)$의 상당한 범위에서 일관된 파레토 유사 행동을 보이며, TWO-NN 방법의 타당성을 검증한다.
• b=30 및 q=100으로 부분 샘플링을 수행했을 때 안정된 오차 추정치를 얻었으며, 이는 제한된 실현 수($N_r=225$)에도 불구하고 통계적 추론의 강건성을 확인한다.
• 이 프레임워크는 두 개의 관련 관측량 쌍을 성공적으로 식별하였으며, 효과적 필드 이론의 직관과 일치하는 더 단순하고 보편적인 역학으로의 전이를 드러내었으며, 어떠한 물리적 모델도 가정하지 않았다.