Neural network representation of quantum systems

要約

ガウス過程に近いランダムワイドニューラルネットワークは、ガウス固定点の周りの場の量子理論であることが提案されている。
この論文では、ネットワーク パラメーターの統計的合計を使用して、幅広いクラスの量子力学システムをニューラル ネットワークの形式にキャストできる新しいマップを提供します。
私たちの単純なアイデアは、ニューラル ネットワークの普遍近似定理を使用して、ファインマンの経路積分の任意の経路を生成することです。
このマップは、ガウス限界から離れていても、相互作用する量子システム/場の理論に適用できます。
私たちの発見は、機械学習を量子の世界に近づけます。

要約(オリジナル)

It has been proposed that random wide neural networks near Gaussian process are quantum field theories around Gaussian fixed points. In this paper, we provide a novel map with which a wide class of quantum mechanical systems can be cast into the form of a neural network with a statistical summation over network parameters. Our simple idea is to use the universal approximation theorem of neural networks to generate arbitrary paths in the Feynman’s path integral. The map can be applied to interacting quantum systems / field theories, even away from the Gaussian limit. Our findings bring machine learning closer to the quantum world.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google