多体局域化隐变量生成模型
量子物理
2023-12-29 v3 无序系统与神经网络
统计力学
机器学习
机器学习
摘要
Born 机是受量子启发、利用量子态概率性质的生成模型。在此，我们提出一种称为多体局域化（MBL）隐变量 Born 机的新架构，其同时利用 MBL 动力学与隐单元作为学习资源。我们表明隐单元充当有效的热浴，增强了系统的可训练性，而 MBL 动力学稳定了训练轨迹。我们通过数值演示表明，MBL 隐变量 Born 机能够学习多种任务，包括简化版 MNIST 手写数字、由量子多体态获得的量子数据，以及非局域奇偶数据。我们的架构与算法提供了利用量子多体系统作为学习资源的新策略，并揭示了量子多体系统中无序、相互作用与学习之间的有力联系。
引用
@article{arxiv.2207.02346,
title = {Many-body localized hidden generative models},
author = {Weishun Zhong and Xun Gao and Susanne F. Yelin and Khadijeh Najafi},
journal= {arXiv preprint arXiv:2207.02346},
year = {2023}
}
备注
13 pages, 11 figures; added references