Interpretable representation learning of quantum data enabled by probabilistic variational autoencoders

要約

解釈可能な機械学習は、急速に科学的発見のための重要なツールになりつつあります。
既存のアプローチの中で、バリエーション自動エンコーダー（VAE）は、調査中のシステムの監督や事前の知識がなく、いくつかの入力データの隠された物理的特徴を抽出することに有望を示しています。
しかし、VAEが意味のある解釈可能な表現を作成する能力は、入力の基礎となる確率分布の正確な近似に依存しています。
量子データを処理する場合、VAEはその固有のランダム性と複雑な相関を説明する必要があります。
VAEは以前は量子データに適用されてきましたが、それらはしばしばその確率的な性質を無視し、意味のある物理的記述子の抽出を妨げています。
ここでは、2つの重要な変更により、vaesが物理的に意味のある潜在表現を学習できることを実証します。量子状態を忠実に再現できるデコーダーと、このタスクに合わせた確率的損失です。
ベンチマークQuantum Spinモデルを使用して、標準的な方法が失敗するレジームを特定し、アプローチによって学んだ表現は意味のある解釈可能であり続けます。
Rydberg Atomアレイの実験データに適用されるこのモデルは、以前のラベル、ハミルトニアンの詳細、または関連する順序パラメーターの知識にアクセスせずに相構造を自律的に明らかにし、量子システムの研究のための監視されていない解釈可能なツールとしての可能性を強調します。

要約(オリジナル)

Interpretable machine learning is rapidly becoming a crucial tool for scientific discovery. Among existing approaches, variational autoencoders (VAEs) have shown promise in extracting the hidden physical features of some input data, with no supervision nor prior knowledge of the system at study. Yet, the ability of VAEs to create meaningful, interpretable representations relies on their accurate approximation of the underlying probability distribution of their input. When dealing with quantum data, VAEs must hence account for its intrinsic randomness and complex correlations. While VAEs have been previously applied to quantum data, they have often neglected its probabilistic nature, hindering the extraction of meaningful physical descriptors. Here, we demonstrate that two key modifications enable VAEs to learn physically meaningful latent representations: a decoder capable of faithfully reproduce quantum states and a probabilistic loss tailored to this task. Using benchmark quantum spin models, we identify regimes where standard methods fail while the representations learned by our approach remain meaningful and interpretable. Applied to experimental data from Rydberg atom arrays, the model autonomously uncovers the phase structure without access to prior labels, Hamiltonian details, or knowledge of relevant order parameters, highlighting its potential as an unsupervised and interpretable tool for the study of quantum systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google