Machine learning, quantum chaos, and pseudorandom evolution

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniv Calif Davis-
Autor(es): dc.contributorUniversidade Estadual Paulista (Unesp)-
Autor(es): dc.creatorAlves, Daniel W. F. [UNESP]-
Autor(es): dc.creatorFlynn, Michael O.-
Data de aceite: dc.date.accessioned2022-02-22T00:10:47Z-
Data de disponibilização: dc.date.available2022-02-22T00:10:47Z-
Data de envio: dc.date.issued2020-12-09-
Data de envio: dc.date.issued2020-12-09-
Data de envio: dc.date.issued2020-05-27-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.1103/PhysRevA.101.052338-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/11449/196914-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/196914-
Descrição: dc.descriptionBy modeling quantum chaotic dynamics with ensembles of random operators, we explore how machine learning algorithms can be used to detect pseudorandom behavior in qubit systems. We analyze samples consisting of pieces of correlation functions and find that machine learning algorithms are capable of determining the degree of pseudorandomness which a system is subject to in a precise sense. This is done without computing any correlators explicitly. Interestingly, even samples drawn from two-point functions are found to be sufficient to solve this classification problem. This presents the possibility of using deep learning algorithms to explore late time behavior in chaotic quantum systems which have been inaccessible to simulation.-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)-
Descrição: dc.descriptionConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)-
Descrição: dc.descriptionUniv Calif Davis, Ctr Quantum Math & Phys, Dept Phys, Davis, CA 95616 USA-
Descrição: dc.descriptionUniv Estadual Paulista, Sao Paulo State Univ, Inst Theoret Phys IFT, R Dr Bento T Ferraz 271, BR-01140070 Sao Paulo, SP, Brazil-
Descrição: dc.descriptionUniv Estadual Paulista, Sao Paulo State Univ, Inst Theoret Phys IFT, R Dr Bento T Ferraz 271, BR-01140070 Sao Paulo, SP, Brazil-
Descrição: dc.descriptionCAPES: 001-
Descrição: dc.descriptionCNPq: 146086/2015-5-
Formato: dc.format7-
Idioma: dc.languageen-
Publicador: dc.publisherAmer Physical Soc-
Relação: dc.relationPhysical Review A-
???dc.source???: dc.sourceWeb of Science-
Título: dc.titleMachine learning, quantum chaos, and pseudorandom evolution-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.