Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Sarandy, Marcelo Silva | - |
Autor(es): dc.contributor | Schmidt, Alexandre Grezzi de Miranda | - |
Autor(es): dc.contributor | Souza, Alexandre Martins de | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/8444785493897318 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/9863249995224235 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/4112063838658098 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/5062261603815797 | - |
Autor(es): dc.creator | Moraes, Luiz Felipe Costa de | - |
Data de aceite: dc.date.accessioned | 2024-07-11T17:41:48Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T17:41:48Z | - |
Data de envio: dc.date.issued | 2019-10-11 | - |
Data de envio: dc.date.issued | 2019-10-11 | - |
Data de envio: dc.date.issued | 2019 | - |
Fonte completa do material: dc.identifier | https://app.uff.br/riuff/handle/1/11686 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.22409/PPGF.2019.m.40097380814 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/755587 | - |
Descrição: dc.description | O objetivo deste trabalho é apresentar um método computacional para determinar propriedades físicas de sistemas quânticos de muitos corpos. A abordagem proposta foi um método de Aprendizado de Máquina para lidar com imagens, onde a entrada é o Hamiltoniano do sistema desejado. Nós treinamos uma Rede Neural Convolucional VGG-16 para prever a energia do estado fundamental e o emaranhamento entre pares de partículas, tal como medido pela negatividade, para o Hamiltonianano de um sistema quântico de spins-1/2. Os resultados preveem com boa precisão os valores da energia e o emaranhamento entre pares. Particularmente, podemos reduzir a dimensão do Hamiltoniano antes que ele passe pela rede. O método pode ser generalizado para propriedades físicas arbitrárias | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | The aim of this work is to present a computational method to solve many-body quantum system problems. The proposed approach is a Machine Learning method to deal with images, where the input is the Hamiltonian of the desired system. We trained a VGG-16 Convolutional Neural Network to predict the ground state energy of the XXZ Hamiltonian, as well as the negativity of the pairwise entangled mixed states. The results predict with good precision the values of the energy and the pairwise entanglement. Particularly, we can reduce the dimension of the Hamiltonian before it passes through the network. The method can be generalized to arbitrary physical properties | - |
Descrição: dc.description | 70 f. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | en | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Cadeias quânticas de spin | - |
Palavras-chave: dc.subject | Aprendizado de máquina | - |
Palavras-chave: dc.subject | Mecânica quântica | - |
Palavras-chave: dc.subject | Regressão | - |
Palavras-chave: dc.subject | Informação quântica | - |
Palavras-chave: dc.subject | Cadeias quânticas de spin | - |
Palavras-chave: dc.subject | Aprendizado de máquina | - |
Palavras-chave: dc.subject | Mecânica quântica | - |
Palavras-chave: dc.subject | Informação quântica | - |
Palavras-chave: dc.subject | Produção intelectual | - |
Palavras-chave: dc.subject | Quantum spin chains | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Quantum mechanics | - |
Palavras-chave: dc.subject | Regression | - |
Palavras-chave: dc.subject | Quantum information | - |
Título: dc.title | A machine learning approach to quantum spin chains | - |
Tipo de arquivo: dc.type | Dissertação | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: