論文の概要: A Probability Density Theory for Spin-Glass Systems

• arxiv url: http://arxiv.org/abs/2001.00927v2
• Date: Fri, 10 Jan 2020 19:00:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-14 17:35:55.383219
• Title: A Probability Density Theory for Spin-Glass Systems
• Title（参考訳）: スピングラス系の確率密度理論
• Authors: Gavin S. Hartnett, Masoud Mohseni
• Abstract要約: 任意の次元、相互作用、局所場を持つスピングラス系の連続確率密度理論を開発する。 スピングラスモデルの物理計算式を幾何学的にエンコードする方法を示す。 我々は、She-Kirkrrington (SK) モデル、ランダムな ErdHos-R'enyi グラフ上のスピン、制限されたボルツマンマシンなど、多くのスピングラスモデルに適用する。
• 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: Spin-glass systems are universal models for representing many-body phenomena in statistical physics and computer science. High quality solutions of NP-hard combinatorial optimization problems can be encoded into low energy states of spin-glass systems. In general, evaluating the relevant physical and computational properties of such models is difficult due to critical slowing down near a phase transition. Ideally, one could use recent advances in deep learning for characterizing the low-energy properties of these complex systems. Unfortunately, many of the most promising machine learning approaches are only valid for distributions over continuous variables and thus cannot be directly applied to discrete spin-glass models. To this end, we develop a continuous probability density theory for spin-glass systems with arbitrary dimensions, interactions, and local fields. We show how our formulation geometrically encodes key physical and computational properties of the spin-glass in an instance-wise fashion without the need for quenched disorder averaging. We show that our approach is beyond the mean-field theory and identify a transition from a convex to non-convex energy landscape as the temperature is lowered past a critical temperature. We apply our formalism to a number of spin-glass models including the Sherrington-Kirkpatrick (SK) model, spins on random Erd\H{o}s-R\'enyi graphs, and random restricted Boltzmann machines.
• Abstract（参考訳）: スピングラスシステムは、統計物理学や計算機科学における多体現象を表す普遍的なモデルである。 np-ハードコンビネート最適化問題の高品質解はスピングラス系の低エネルギー状態に符号化できる。 一般に、そのようなモデルの物理的および計算的性質の評価は、相転移の近傍での臨界的な減速のために難しい。 理想的には、これらの複雑なシステムの低エネルギー特性を特徴づけるために、ディープラーニングの最近の進歩を利用することができる。 残念ながら、最も有望な機械学習アプローチの多くは連続変数上の分布に対してのみ有効であり、したがって離散スピングラスモデルに直接適用することはできない。 この目的のために、任意の次元、相互作用、局所場を持つスピングラス系の連続確率密度理論を開発する。 本稿では, スピングラスの物理特性と計算特性を, クエンチド障害平均化を必要とせずに, どのように幾何学的に符号化するかを示す。 提案手法は平均場理論を超越し,臨界温度より温度が低くなるにつれて対流から非凸エネルギー環境への遷移を同定する。 我々は、シェリントン・カークパトリック(SK)モデル、ランダムアード・H{o}s-R\enyiグラフ上のスピン、ランダム制限ボルツマンマシンなど、多くのスピングラスモデルに適用する。

関連論文リスト

• Geometric Trajectory Diffusion Models [58.853975433383326]
  生成モデルは3次元幾何学システムの生成において大きな可能性を示してきた。 既存のアプローチは静的構造のみで動作し、物理系は常に自然界において動的であるという事実を無視する。 本研究では3次元軌跡の時間分布をモデル化する最初の拡散モデルである幾何軌道拡散モデル(GeoTDM)を提案する。
  論文  参考訳（メタデータ） (2024-10-16T20:36:41Z)
• TANGO: Time-Reversal Latent GraphODE for Multi-Agent Dynamical Systems [43.39754726042369]
  連続グラフニューラルネットワークに基づく常微分方程式(GraphODE)により予測される前後の軌跡を整列するソフト制約として,単純かつ効果的な自己監督型正規化項を提案する。 時間反転対称性を効果的に課し、古典力学の下でより広い範囲の力学系にわたってより正確なモデル予測を可能にする。 様々な物理システムに対する実験結果から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-10-10T08:52:16Z)
• Exploring Quantum Annealing Architectures: A Spin Glass Perspective [0.0]
  量子異方体に対するいくつかのIsingモデルにおけるスピングラス遷移について検討する。 いくつかのランダム格子(ランダム正則グラフと小世界グラフ)に対するスピングラス位相は、以前の結果とよく一致している。 D-Waveアンナーに実装された準二次元グラフの結果は、ゼロ温度スピングラス状態のみを示す。
  論文  参考訳（メタデータ） (2023-07-24T18:37:10Z)
• Physics-Informed Gaussian Process Regression Generalizes Linear PDE Solvers [32.57938108395521]
  線形偏微分方程式と呼ばれる力学モデルのクラスは、熱伝達、電磁気、波動伝播などの物理過程を記述するために用いられる。 離散化に基づく特殊数値法はPDEの解法として用いられる。 パラメータや測定の不確実性を無視することで、古典的なPDE解法は固有の近似誤差の一貫した推定を導出できない可能性がある。
  論文  参考訳（メタデータ） (2022-12-23T17:02:59Z)
• Engineering random spin models with atoms in a high-finesse cavity [8.787025970442755]
  我々は、空洞内の原子雲を制御可能な光シフトに従属させることにより、全対一で相互作用する無秩序なスピンシステムを実現する。 システムの低エネルギー励起を探索することにより、幅広いパラメータ範囲にわたる障害との相互作用の競合について検討する。 結果は任意のスピンハミルトニアンの設計のための自由プログラマブルキャビティ媒介相互作用に向けた重要なステップを示す。
  論文  参考訳（メタデータ） (2022-08-19T16:13:58Z)
• Message Passing Neural PDE Solvers [60.77761603258397]
  我々は、バックプロップ最適化されたニューラル関数近似器で、グラフのアリーデザインのコンポーネントを置き換えるニューラルメッセージパッシング解決器を構築した。 本稿では, 有限差分, 有限体積, WENOスキームなどの古典的手法を表現的に含んでいることを示す。 本研究では, 異なる領域のトポロジ, 方程式パラメータ, 離散化などにおける高速, 安定, 高精度な性能を, 1次元, 2次元で検証する。
  論文  参考訳（メタデータ） (2022-02-07T17:47:46Z)
• Spin many-body phases in standard and topological waveguide QED simulators [68.8204255655161]
  導波路QEDセットアップを用いた量子スピンモデルの多体挙動について検討する。 他のプラットフォームで得られたものとは異なる、新しい多体フェーズが見つかる。
  論文  参考訳（メタデータ） (2021-06-22T09:44:20Z)
• Visualizing spinon Fermi surfaces with time-dependent spectroscopy [62.997667081978825]
  固体系において確立されたツールである時間依存性光電子分光法を低温原子量子シミュレーターに応用することを提案する。 1次元の$t-J$モデルの正確な対角化シミュレーションで、スピノンが非占有状態の効率的なバンド構造に出現し始めることを示す。 ポンプパルス後のスペクトル関数の依存性はスピノン間の集団的相互作用を明らかにする。
  論文  参考訳（メタデータ） (2021-05-27T18:00:02Z)
• Self-induced glassy phase in multimodal cavity quantum electrodynamics [0.0]
  本研究は, 低温ガラス相を有することを示す。 相互作用の唯一の自由次元パラメータ $alpha=p/q$ の有理値に対して、低温における準安定状態の数は指数関数的に増加する。
  論文  参考訳（メタデータ） (2021-01-11T08:23:20Z)
• Self-Supervised Learning of Generative Spin-Glasses with Normalizing Flows [0.0]
  一般的な離散問題におけるモデル相関に対する正規化フローを用いた連続スピングラス分布の開発を行う。 スピングラス位相の物理的および計算的特性をうまく学習できることを実証する。 注目すべきは、学習そのものがトレーニングされた正規化フローの層内のスピングラス相転移に対応することである。
  論文  参考訳（メタデータ） (2020-01-02T19:00:01Z)
• Incorporating physical constraints in a deep probabilistic machine learning framework for coarse-graining dynamical systems [7.6146285961466]
  本稿では,予測の不確実性の定量化を可能にする,データに基づく確率論的視点を提供する。 確率的状態空間モデルを用いて粗粒化過程を定式化する。 完全な微細なシステムの進化を再構築することができる。
  論文  参考訳（メタデータ） (2019-12-30T16:07:46Z)

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。