Carregant...
Tipus de document
Treball de fi de grauData de publicació
Llicència de publicació
Si us plau utilitzeu sempre aquest identificador per citar o enllaçar aquest document: https://hdl.handle.net/2445/215535
Quantum Reservoir Computing for Hamiltonian Learning in Metal-Insulator Anderson Transitions
Títol de la revista
Autors
Director/Tutor
ISSN de la revista
Títol del volum
Recurs relacionat
Resum
This research investigates transport regimes in metal-insulator Anderson transition through Hamiltonian learning. Quantum reservoir computing is employed to estimate the stochasticity parameter in the Hamiltonian of the quasiperiodic kicked rotor, a model that displays Anderson transition in momentum space. The stochasticity parameter is key for classifying phase regimes, i.e., localized/insulator phase, delocalized/metalic phase, and critical phase, as well as qualitatively forecasting trajectory evolution. Thus, supervised machine learning that effectively maps input trajectories to their corresponding stochasticity parameter has been developed, highlighting the efficacy of quantum machine learning in analyzing quantum phenomena
Descripció
Treballs Finals de Grau de Física, Facultat de Física, Universitat de Barcelona, Curs: 2024, Tutors: Pere Mujal Torreblanca, Bruno Juliá Díaz
Matèries (anglès)
Citació
Col·leccions
Citació
CORTÉS PÁEZ, Lucía. Quantum Reservoir Computing for Hamiltonian Learning in Metal-Insulator Anderson Transitions. [consulta: 24 de gener de 2026]. [Disponible a: https://hdl.handle.net/2445/215535]