[논문 리뷰] Probabilistic Formulation of Open Quantum Many-Body Systems Dynamics with Autoregressive Models

Di Luo, Zhuo Chen외 2명|arXiv (Cornell University)|2020. 09. 11.

Quantum many-body systems인용 수 5

한 줄 요약

이 논문은 신경 자동회귀 모델과 리우빌리안(superoperator) 접근법을 결합한 확률적 프레임워크를 제안하여 개방 양자 다체계를 시뮬레이션한다. 전진-후진 trapzoid 적분 방법과 변분 평형상태 최적화를 활용함으로써, 이론적 해와 비교해도 뛰어난 정확도로 동역학과 상관관계를 잘 포착한다. 1차원 및 2차원 시스템에서 이전의 제한형 볼츠만 기반 방법들보다 뛰어난 성능을 보였다.

ABSTRACT

The theory of open quantum systems lays the foundations of a substantial part of modern research in quantum science and engineering. Rooted in the dimensionality of their extended Hilbert spaces, the high computational complexity of simulating open quantum systems calls for the development of strategies to approximate their dynamics. In this paper, we present an approach for tackling open quantum system dynamics. We simulate the dynamics of the Liouvillian superoperator using a forward-backward trapezoid method and find the steady-state via a variational formulation. We make use of a probabilistic formulation of quantum physics based on a positive operator-valued measure (POVM) in combination with neural autoregressive models, which bring significant algorithmic flexibility due to their efficient sampling and tractable density. We introduce improved ansatzs, String States, which partially restore the symmetry of the neural auto-regressive model and improve the description of local correlations. We benchmark our approaches on prototypical one and two-dimensional systems, finding results which closely track the exact solution and achieve higher accuracy in comparison to a recently proposed method based on restricted Boltzmann machines. We anticipate this approach will be widely applicable to evolving density matrices in various contexts.

연구 동기 및 목표

• 큰 힐베르트 공간 차원으로 인한 개방 양자 시스템 시뮬레이션의 높은 계산 복잡도를 해결하기 위해.
• 밀도 행렬의 동역학을 근사하기 위한 유연하고 효율적인 알고리즘 프레임워크를 개발하기 위해.
• 맞춤형 앤티츠 구성으로 통해 양자 다체 상태의 국소적 상관관계와 대칭성 특성을 향상시키기 위해.
• 정확한 해와 기존의 제한형 볼츠만 기반 방법(예: 제한형 볼츠만 기반 방법)과의 비교를 통해 정확도를 입증하기 위해.
• 다양한 양자 시스템에서 평형상태 및 시간에 따른 진화하는 밀도 행렬의 확장 가능한 시뮬레이션을 가능하게 하기 위해.

제안 방법

• 리우빌리안(superoperator)의 동역학은 전진-후진 trapzoid 시간 적분 기법을 사용하여 시뮬레이션한다.
• 개방 양자 시스템의 평형상태를 효율적으로 계산하기 위해 변분 공식을 적용한다.
• 양의 연산자값 측정(POVMs) 기반의 확률적 공식과 신경 자동회귀 모델을 융합하여 효율적인 샘플링과 다루기 쉬운 확률 밀도를 확보한다.
• 부분 대칭성을 복원하고 국소적 상관관계 기술을 향상시키기 위해, 보다 향상된 앤티츠 구조인 '스트링 상태(Sting States)'를 도입한다.
• 효율적인 양자 상태 구성 생성과 가능도 평가를 위해 자동회귀 구조를 활용한다.
• 성능 검증을 위해 프로토타입 1차원 및 2차원 양자 시스템에 이 방법을 적용한다.

실험 결과

연구 질문

• RQ1 POVMs와 자동회귀 모델 기반의 확률적 공식이 개방 양자 다체계의 동역학을 효과적으로 시뮬레이션할 수 있는가?
• RQ2 스트링 상태의 포함이 양자 상태 앤티츠에서 국소적 상관관계와 대칭성을 어떻게 향상시키는가?
• RQ3 이 방법이 평형상태 및 시간에 따른 진화 동역학에서 기존의 제한형 볼츠만 기반 방법보다 얼마나 더 정확한가?
• RQ4 전진-후진 trapzoid 방법과 변분 최적화의 조합이 리우빌리안 동역학의 안정적이고 정확한 해를 도출할 수 있는가?
• RQ5 이 프레임워크는 다양한 양자 시스템 차원과 상호작용 유형에 대해 얼마나 확장 가능하고 일반화 가능한가?

주요 결과

• 이 방법은 개방 양자 시스템의 평형상태 및 시간에 따른 진화 동역학을 매우 높은 정확도로 시뮬레이션하며, 정확한 해와 매우 유사하게 추적한다.
• 스트링 상태의 도입은 신경 자동회귀 모델에서 국소적 상관관계 기술을 크게 향상시키고 부분 대칭성을 복원한다.
• 최근 제안된 제한형 볼츠만 기반 방법과 비교해도 1차원 및 2차원 프로토타입 시스템에서 정확도 면에서 뛰어난 성능을 보였다.
• POVMs와 자동회귀 모델 기반의 확률적 공식은 효율적인 샘플링과 다루기 쉬운 밀도 추정을 가능하게 하여 알고리즘의 융통성과 유연성을 높인다.
• 전진-후진 trapzoid 방법은 리우빌리안 동역학 하에서 밀도 행렬의 수치적 안정성과 정확한 시간 진화를 보장한다.
• 변분 공식은 개방 양자 시스템의 평형상태를 매우 정밀하게 효과적으로 식별한다.