Quantum graph neural networks for time propagation in condensed matter
Yoğun madde içinde zaman yayılımı için kuantum grafik sinir ağları
- Tez No: 902042
- Danışmanlar: DR. ÖĞR. ÜYESİ OSMAN BARIŞ MALCIOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Fizik ve Fizik Mühendisliği, Physics and Physics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Fizik Ana Bilim Dalı
- Bilim Dalı: Fizik Bilim Dalı
- Sayfa Sayısı: 88
Özet
Kuantum Grafik Yapay Sinir Ağları (QGNN), grafik yapısına sahip kuantum süreçlerini temsil etmek için özelleştirilmiş yeni bir sınıf kuantum yapay sinir ağı ansatzlarıdır. Kuantum sistemlerin Hamiltonyan dinamiklerini simüle etmede uygulama alanları vardır. Grafiğin topolojisi, örneğin, sabit durumların stabilitesi konusunda çıkarımlar yapmada önemli bir rol oynar. Ayrıca iletim dalgalanmalarını da modelleyebilirler ve doğrusal olmayan etkiler için genellenebilirler. Bu çalışmada, yoğun madde sistemlerinde elektronik dinamikleri simüle etmek için QGNN uyarlanmaktadır. Bu çalışmada Fermi-Hubbard modelini kullandık. Bunun ışığında Majorana-Hubbard modelinin zaman içindeki yayılımını ve ölçeklemesini inceledik. Kuantum Autoencoder mimarisi ile sıkıştırılmış fermiyonik dalga fonksionları zaman içerisinde evrimini inceledik.
Özet (Çeviri)
Quantum Graph Neural Networks (QGNN) are a new class of quantum neural network ansatz which are tailored to represent quantum processes which have a graph structure. They have application in simulating Hamiltonian dynamics of quantum systems. The topology of the graph plays an important role, e.g. in inferring stability of steady states. They also manage to reproduce transmission fluctuations and can be generalized to the nonlinear domain. In this work, we adapt QGNN for simulating electronic dynamics in condensed matter systems. We are particulary interested in Fermi-Hubbard model in line with this, we investigated time evolution and scaling of Majonara Hubbard Model. We employ Quantum Autoencoder architecture to be able to simulate fermionic wavefunction in latent space using compressed wavefunctions propagation in time.
Benzer Tezler
- Hybrid quantum-classical graph neural networks for particle track reconstruction at the large hadron collider
Büyük hadron çarpıştırıcısında parçacık izi yapılandırması için hibrit kuantum-klasik çizge sinir ağları
CENK TÜYSÜZ
Yüksek Lisans
İngilizce
2021
Fizik ve Fizik MühendisliğiOrta Doğu Teknik ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. MELAHAT BİLGE DEMİRKÖZ
- Predicting the bandgap of hole-transport materials by deep learning
Derin öğrenme ile delik geçiş malzemelerinin bant aralığı tahmini
MİRAÇ AYDIN
Yüksek Lisans
İngilizce
2023
Kimyaİstanbul Teknik ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
PROF. DR. ADEM TEKİN
- Suda çözünür yeni makrohalkalı bileşiklerin sentezi ve biyolojik özelliklerinin incelenmesi
Synthesis of water-soluble new macrocyclic compounds and investigation of their biological properties
AYNUR KÜBRA MUT
Yüksek Lisans
Türkçe
2022
Kimyaİstanbul Teknik ÜniversitesiKimya Ana Bilim Dalı
DOÇ. DR. BEHİCE ŞEBNEM SESALAN
- Örümcek ipeği yapısında bulunan bileşenlerin kuramsal ve titreşim spektroskopik incelenmesi
Theoretical and vibrational spectroscopic investigation of the components in the structure of spider silk
HATİCE ARI
- Quantum random walk simulation using dependent random walk
Bağımlı rastgele yürüyüş kullanılarak kuantum rastgele yürüyüş simülasyonu
MERT KAŞİF CEYLAN
Yüksek Lisans
İngilizce
2024
İstatistikOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. CEREN VARDAR ACAR