克拉克研究小组
计算冷凝物

量子出现和量子计算


我们的小组在量子信息,冷凝物和计算的交集中工作。我们通过模拟探测量子材料中的新兴现象。开发用于量子计算机上的新算法;并确定纠缠相位转移的性质。量子力学的简单规则既负责量子材料和设备中看到的丰富的动力学和属性。以及超出古典机器的计算能力。

我们对这些问题使用更大的计算方法或观点。我们的工具箱中的仿真技术包括所有形式的量子蒙特卡洛(PIMC,AFQMC,VMC,DMC),张量网络(MERA,MPS,PEPS)和机器学习。我们不仅使用已知技术,而且还定期开发新算法,从而拓宽了可能的方式。



消息


2021年1月
这个学期,我很高兴能教授498厘米。

2020年12月
Di Luo和Zhou Chen正在展示海报讲话在2020年的神经学习研讨会上,有关机器学习和物理科学的研讨会。

布莱恩(Bryan)将(实际上)在DIAS上展示我们的新作品,内容涉及数字可以告诉我们有关多体定位过渡的内容。

我们发布了新的在使用量规量表神经网络用于量子晶格量表理论上。在为量规理论编写神经网络波功能时,您希望波功能是量规不变的。您可以通过仅提供量规不变的信息来做到这一点,但这严重限制了您可以代表的状态。相反,如果将其制作到量规等级,则它更加灵活。这就是我们在这项工作中所做的。

我们有一个扩展摘要在神经研讨会上,用于模拟物理系统,以使用POVM形式主义进行量子动力学的一些工作。

DI实际上将在MIT今天介绍他在量子计算方面的工作。

2020年11月
瑞安(Ryan)将介绍他在同行DMRG方面的工作超级计算2020

2020年10月
Bryan今天将在NCSA新的人工智能创新中心举行研讨会。它将讨论人工智能在改善量子物理和量子计算中的模拟的应用。

2020年9月
我们关于将变形金刚和POVM形式主义组合进行开放量子系统模拟的论文现已是发表。通过将量子状态映射到概率分布,我们可以利用最先进的机器学习体系结构。

我们希望本学期的Eli Luck在霍尼韦尔(Honeywell)的实习方面从事量子计算。

布莱恩(Bryan)获得了任期,并已晋升为副教授!

我们很高兴能成为新资助的(感谢DOE!)用于应用于高能物理的量子计算的量化项目。

我将教物理计算介绍。我们将(除其他外)模拟流体动力学;进行N体重力模拟;在钟摆中显示混乱的行为;模拟生态系统;并在量子计算机上运行。来加入我们!

2020年8月
我们发布了新的关于使用强化学习发现新的协议(跳跃运动方法),以高保真度周围的马利亚人。

我们很高兴成为新资助的(感谢Doe!)量子中心的一部分,Q-Next

今天,我将在今天的CTC PI会议上介绍我们关于量子模拟算法的工作。如果您在附近,请停下来聊天!

我们有关将Slater决定因素(和其他任意平均特征态)转换为无限矩阵产品状态的新论文(预计或权力)已有发表。我们的第一个应用是将奴隶屈服解决方案的纠缠光谱计算为BLBQ模型,并将其与其确切状态进行比较。

我们已经发布了我们的开源并行张量工具代码。DMRG现在准备好进行高性能计算。

2020年7月
我一直说DMRG是物理学中最重要的算法,在实践中没有人并行运行。我们已经迈出了解决这个问题的关键步骤:请参阅我们的对于大键键尺寸J1-J2自旋模型,我们在没有额外的节点成本的情况下,壁式锁定时间减少了10倍。

我们很高兴能成为新资助的一部分(感谢NSF!)基地倡议。我们期待在该计划下产生许多令人兴奋的科学。

伊莱发布了他的新代码在MBL相中找到L位。它在任意维度和任意几何形状上起作用,使社区在以前无法访问的政权中解决MBL。

关于多体定位的4000篇论文更多,只有6篇试图解决比一本更大的尺寸。我们已经发布了新的这提供了一种新的方法,用于求解两个和三维MBL系统,以在两个和三个维度中确定MBL和Ergodic相之间的临界点。

查看我们的新这(除其他事项外)表明,MBL-ererGodic跃迁具有典型的相关性,与指数为指数为1/2的指数衰减。有趣的是,这对于在随机单阶段中看到的典型相关性是相同的行为。

2020年6月
我很高兴能在CCQ机器学习会议上参加并发表演讲。我说的是我们最近的工作,以克服使用机器学习模拟费米子的障碍。

2020年5月
伊莱已经发布了他的Qosy代码以找到所有用给定的对称性通勤的汉密尔顿人。

关于MBL阶段的杰出问题之一是了解相变。本杰明发布了新的这阐明了杂交在过渡时如何发生。考虑从MBL调整到颈段阶段。在此过程中,各州正在互相杂交。在MBL阶段,这种杂交是局部的。在厄贡阶段,它是由非局部差异的状态所支配的(比这更多)。在过渡时,恰好有一个微妙的平衡,碰撞变得充分地被定位以取消这种组合因子,从而导致MBL阶段崩溃!

2020年4月
拓扑和一维的近托犬模型现在在物理评论B中。

祝贺本杰明·维拉隆加(Benjamin Villalonga)今天通过了论文的辩护!我们祝他在Google Quantum的下一步中幸运。

我今天在(虚拟)耶鲁大学就AI时代的变异波峰进行演讲。

查看我们的论文深度学习启用了二维过渡金属二分法中的单原子缺陷的应变图,具有子点仪精度现在已经用纳米字母出来了。

2020年3月
请过来看看我受邀的三月会议会议谈话,涉及使用机器学习来改善变异波函数(及其优化)。

2020年2月
我们的现在已经发布了(但未找到)Majorana零模式。

2020年1月
查看我们的新工作我们一直在与Pinshane Huang和她的小组合作开发机器学习技术以适用于扫描传输电子显微镜。在这项工作中,我们测量了WSETE的应变场至无与伦比的精度。

我将在本学期教物理学中教授计算机,我们将从头开始构建量子计算机模拟器;做数值RG;编程限制的玻尔兹曼机器;和计算Chern号码。

看看我们会议记录((arxiv)使用偶极分子系统作为模拟量子模拟器。


研究主题:量子计算


大多数具有足够复杂性的物理系统只能通过多项式减速来相互模拟。这被称为扩展教会图灵论文。弹跳台球的计算(大致)与您的MacBook(和Visa Versa)相同的速度。量子计算是本文唯一已知的反例。算法和找到合理物理系统的基础状态等算法在量子计算机上似乎在经典上很困难但有效。

我们对量子计算领域有广泛的兴趣。我们的主要活动之一是弄清楚如何利用量子力学的力量来解决经典的问题。例如,我们开发了更好的算法,用于模拟化学和物理系统,从改善计算可观察物的算法到NISQ时代的变异量子本质体的改进。

另一个感兴趣的领域是开发了改进的量子计算机的经典模拟。虽然张量网络是一维的事实上的标准,但尚不清楚如何最好地在二维中最好地模拟量子电路。我们最近提出了一种绘制量子状态的方法→正概率分布→变形金刚(一种最新的机器学习原始)。然后,我们使用Monte Carlo在应用量子门时更新变压器。

我们还与实验者合作开发了模拟模拟方法,以绘制偶极分子汉密尔顿(即在Bryce Gadway的实验室中发现)到高能物理模型。

QIS中的其他领域包括量子电路的纠缠,Majorana协议通过机器学习,汉密尔顿学习,张量网络以及理解量子计算和经典计算之间的界限。


研究主题:量子材料


量子材料支持丰富的外来现象,例如超导性和沉重的费米昂行为。我们最近对沮丧的磁铁- 用磁性旋转的绝缘材料生活在三角形的晶格上。

自古希腊人以来,(Ferro) - 魔术学已知。现在,我们知道磁性是一种集体效应,其中宏观数量的旋转位于同一方向上。相反,旋转是沮丧的,没有简单的旋转模式可以形成,并且可以出现诸如旋转液体之类的外来现象。

最近,我们在Kagome晶格(角落共享三角形)上发现了一个量子(旋转1/2)与指数级别的脱水量,从中出现了Kagome晶格上的所有阶段。这取代了以前的传说(在伊辛限制中的经典挫败感),为什么在沮丧的系统中有丰富的物理学,在靠近指数级别的汉密尔顿人方面具有更基本的量子理解。

我们也有兴趣寻找具有异国情调的简单哈密顿人。我们最近显示,填充的蜂窝晶格具有丰富的相图,支持了许多经典和量子相,包括一些有趣的自旋液体相。

我们还与实验者密切合作。例如,我们与Greg MacDougall合作,寻找有效的汉密尔顿人,用于各种尖晶石材料。

要了解有关沮丧的磁性的更多信息,请参阅我在应用于蜂窝和Kagome晶格的差异方法上的讲话。


研究主题:
量子的算法许多身体问题


改善对量子多体问题的理解的关键是改进的算法。我们最近一直在研究的领域包括

波浪功能的机器学习:波功能是一个盒子,可以采用配置(即我的电子在哪里),并给予一个复杂的数字。最近,我们一直在使用机器学习体系结构来替换此黑色框。我们已经弄清楚了如何使用神经网络模拟费米子;开发了一种使用变压器模拟量子电路的新方法。并确定机器学习方法如何更好地近似开放量子系统的固定点动态。

实验和协议开发的机器学习:我们一直在将机器学习应用于实验数据的分析。我们一直在与Pinshane及其组合作,分析原子缺陷的扫描隧道电子显微镜图像。另外,我们一直在开发使用差异编程和增强学习来开发新的协议以围绕Majoraana的行为。

逆方法:我们开创了一种新的逆向物质系统逆方法。虽然凝结物质的规范方法是从哈密顿量开始并确定地面状态及其特性,但我们开发了从基态或有针对性的对称性开始的技术,而是找到了哈密顿人。我们最近使用这种技术找到了一套新的自旋液体哈密顿量。

张量网络:张量网络是一类强大的算法类别,它们使用缩小张量张量的低纠缠状态作为量子多体问题的基础状态。我们最近在该领域的工作包括一种新型算法,该算法将投影的Slater决定因素转换为基质产品状态以及DMRG算法并行化的实用方法(对于旋转,我们在壁挂式锁定时间内无需在壁挂式时间内获得10倍的速度。总节点小时成本。

量子蒙特卡洛:QMC技术通过生成靶向波功能或密度矩阵的随机样品来模拟量子多体问题。我们开发的算法包括vaft,一种以一系列变异波函数开头的量子系统的有限温度特性的方法;一种新的方法来找到模拟基础,以最大程度地减少标志问题的影响;和SWO,一种优化受机器学习启发的变异波功能的新颖方法。


研究主题:许多身体本地化


在相变,我们调整一些参数时会发生急剧变化。在过去的十年中,已经发现了一种定性的新型相变 - 纠缠相变,纠缠的缩放幅度急剧变化。这种过渡的规范示例是在沿着厄尔贡相位和多体局部(MBL)相之间。MBL相是与区域法纠缠的物质相位,其中热化分解。当您将热咖啡放在桌子上时,它最终会冷却到房间的温度。MBL阶段与永不冷冷的咖啡相当。

我们的工作集中在两个主要活动上:(1)开发张量 - 网络概念化以及对MBL阶段的算法方法,以及(2)使用仿真来了解MBL-凝胶过渡。

我们表明,可以将MBL物质描述为一个可以通过短统一张量网络对角度化的阶段。这也意味着MBL本征态的整个光谱的表征非常优雅。可以通过选择每个站点,即基态或激发状态张量并将它们组合在一起,从而选择每个MBL特征态。这两种查看MBL相的方法暗示了MBL的L位公式(并暗示)。除了MBL的张量网络表征外,我们还开发了另外两种用于使用MBL相的算法:(1)SIMPS/ES-DMRGDMRG-ESQE方法用于查找内部MBL本征状态和(2)浓缩的Wegner-Wilson流动,一种对角度化MBL哈密顿量的方法。

最近,我们一直专注于对MBL-erergodic过渡的理解。我们已经发现了过渡的两个关键特性:纠缠是双峰的,并且过渡时的典型相关性是与指数为指数1/2的伸展指数。此外,我们能够证明该过渡是由非局部化杂交造成的(但与厄尔贡阶段的质量不同。)

我们最近还开发了一种在两个和三个维度上解决MBL过渡的方法。


教学法


我目前正在教书:现代计算物理学简介[[关联这是给予的

我很大程度上参与了伊利诺伊州物理课程的计算方面。我已经从头开始开发了我们的两个计算课程:物理计算强相关系统的算法观点并为改进和添加单位做出了重大的工作现代计算物理学简介(IE流体动力学,捕食者和猎物,混乱,N体模拟,机器学习和量子计算)。

我之前教过的其他课程包括研究生量子力学(,,,,ii),原子量表模拟,,,,本科量子力学,其他(请参阅这里)。

除课程外,我还进行了各种暑期学校的讲座(请参阅这里)。


您可能也有兴趣学习:

变异蒙特卡洛:看到我的笔记视频来自博尔德暑期学校;视频[第1部分,,,,第2部分]来自康奈尔暑期学校的新兴现象;或我的教程

扩散蒙特卡洛:看到我的笔记视频来自博尔德暑期学校。

路径积分蒙特卡洛:看到我的教程(与Ken Esler和Paul Yubo在一起)。

密度矩阵重新归一化组:努力问题集3问题集4从我的研究生课程到在Julia构建简单的DMRG代码。