論文の概要: Visual Machine Learning: Insight through Eigenvectors, Chladni patterns
and community detection in 2D particulate structures
- arxiv url: http://arxiv.org/abs/2001.00345v1
- Date: Thu, 2 Jan 2020 07:20:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-16 04:03:57.834909
- Title: Visual Machine Learning: Insight through Eigenvectors, Chladni patterns
and community detection in 2D particulate structures
- Title（参考訳）: ビジュアル機械学習:2次元粒子構造における固有ベクトル、クラドニパターンおよびコミュニティ検出による洞察
- Authors: Raj Kishore, S. Swayamjyoti, Shreeja Das, Ajay K. Gogineni, Zohar
Nussinov, D. Solenov, Kisor K. Sahu
- Abstract要約: 機械学習は量子力学の解と明確に結びついている特徴を生み出すことを示す。
これらの特徴の分離は、古典的非線形世界と量子力学的線形世界との深い関係を理解するのに役立ちます。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Machine learning (ML) is quickly emerging as a powerful tool with diverse
applications across an extremely broad spectrum of disciplines and commercial
endeavors. Typically, ML is used as a black box that provides little
illuminating rationalization of its output. In the current work, we aim to
better understand the generic intuition underlying unsupervised ML with a focus
on physical systems. The systems that are studied here as test cases comprise
of six different 2-dimensional (2-D) particulate systems of different
complexities. It is noted that the findings of this study are generic to any
unsupervised ML problem and are not restricted to materials systems alone.
Three rudimentary unsupervised ML techniques are employed on the adjacency
(connectivity) matrix of the six studied systems: (i) using principal
eigenvalue and eigenvectors of the adjacency matrix, (ii) spectral
decomposition, and (iii) a Potts model based community detection technique in
which a modularity function is maximized. We demonstrate that, while solving a
completely classical problem, ML technique produces features that are
distinctly connected to quantum mechanical solutions. Dissecting these features
help us to understand the deep connection between the classical non-linear
world and the quantum mechanical linear world through the kaleidoscope of ML
technique, which might have far reaching consequences both in the arena of
physical sciences and ML.
- Abstract（参考訳）: 機械学習(ML)は、非常に幅広い分野や商業的取り組みにまたがる多様なアプリケーションを持つ強力なツールとして急速に現れつつある。
通常、MLは出力の照明的合理化をほとんど提供しないブラックボックスとして使用される。
本研究は,教師なしMLの基盤となる汎用的な直観をより理解し,物理的なシステムに焦点をあてることを目的としている。
ここでテストケースとして研究されるシステムは、6つの異なる2次元(2次元)粒子系から構成される。
この研究の成果は、教師なしML問題に対して汎用的であり、材料システムのみに限定されていない点に注意が必要である。
6つの研究システムの隣接(接続性)行列に3つの初歩的教師なしML技術を用いる。
(i)隣接行列の主固有値と固有ベクトルを用いる。
(ii)スペクトル分解、及び
(iii)モジュラリティ機能を最大化するポッツモデルに基づくコミュニティ検出技術。
完全に古典的な問題を解く一方で、ML技術は量子力学解と明確に結びついている特徴を生み出すことを示した。
これらの特徴を分離することは、古典的非線形世界と量子力学的線形世界との深いつながりを理解するのに役立つ。
関連論文リスト
- Classical integrability in the presence of a cosmological constant: analytic and machine learning results [0.0]
2次元の運動方程式のサブセットは、ブライトンローナー・マディソン線型系の修正版に対する整合条件であることを示す。
選択された4次元解部分空間を1次元視点から符号化した2次元モデルのリウヴィル積分性について、Lax対行列の構築により検討する。
論文 参考訳（メタデータ） (2024-04-28T17:02:24Z) - Understanding the Complexity and Its Impact on Testing in ML-Enabled
Systems [8.630445165405606]
世界中の企業で広く採用されている産業対話システムであるRasa 3.0について検討する。
私たちのゴールは、このような大規模なML対応システムの複雑さを特徴づけ、テストにおける複雑さの影響を理解することです。
本研究は,ML対応システムにおけるソフトウェア工学の実践的意義を明らかにする。
論文 参考訳（メタデータ） (2023-01-10T08:13:24Z) - Deep learning applied to computational mechanics: A comprehensive
review, state of the art, and the classics [77.34726150561087]
人工知能,特に深層学習(DL)の最近の進歩を概観する。
ハイブリッドおよび純粋機械学習(ML)の手法について論じる。
AIの歴史と限界は、特に古典の誤解や誤解を指摘し、議論され、議論される。
論文 参考訳（メタデータ） (2022-12-18T02:03:00Z) - Investigating Quantum Many-Body Systems with Tensor Networks, Machine
Learning and Quantum Computers [0.0]
古典的および量子コンピュータ上で量子シミュレーションを行う。
未知の量子多体系の位相図を教師なし方式でマッピングする。
論文 参考訳（メタデータ） (2022-10-20T09:46:25Z) - Machine learning enabling high-throughput and remote operations at
large-scale user facilities [0.0]
機械学習(ML)手法は、大規模なデータセットをリアルタイムで処理し、解釈するために定期的に開発されている。
我々は、National Synchrotron Light Source II (NSLS-II)において、複数のビームラインでのオンザフライ解析のための様々なアーチティパルMLモデルを実証した。
論文 参考訳（メタデータ） (2022-01-09T17:43:03Z) - Learning Physical Concepts in Cyber-Physical Systems: A Case Study [72.74318982275052]
本稿では,時系列データにおける物理概念の学習方法に関する研究の現状について概説する。
また,3タンクシステムの例を用いて,最先端技術から最も重要な手法を分析した。
論文 参考訳（メタデータ） (2021-11-28T14:24:52Z) - Which priors matter? Benchmarking models for learning latent dynamics [70.88999063639146]
古典力学の先行概念を機械学習モデルに統合する手法が提案されている。
これらのモデルの現在の機能について、精査する。
連続的および時間的可逆的ダイナミクスの使用は、すべてのクラスのモデルに恩恵をもたらす。
論文 参考訳（メタデータ） (2021-11-09T23:48:21Z) - MAML is a Noisy Contrastive Learner [72.04430033118426]
モデルに依存しないメタラーニング(MAML)は、今日では最も人気があり広く採用されているメタラーニングアルゴリズムの1つである。
我々は、MAMLの動作メカニズムに対する新たな視点を提供し、以下に示すように、MAMLは、教師付きコントラスト目的関数を用いたメタラーナーに類似している。
このような干渉を軽減するため, 単純だが効果的な手法であるゼロ化手法を提案する。
論文 参考訳（メタデータ） (2021-06-29T12:52:26Z) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳（メタデータ） (2021-06-24T15:58:57Z) - Linear embedding of nonlinear dynamical systems and prospects for
efficient quantum algorithms [74.17312533172291]
有限非線形力学系を無限線型力学系(埋め込み)にマッピングする方法を述べる。
次に、有限線型系 (truncation) による結果の無限線型系を近似するアプローチを検討する。
論文 参考訳（メタデータ） (2020-12-12T00:01:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。