論文の概要: A state-specific multireference coupled-cluster method based on the bivariational principle

• arxiv url: http://arxiv.org/abs/2003.13358v2
• Date: Tue, 31 Mar 2020 08:57:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-27 12:23:12.379189
• Title: A state-specific multireference coupled-cluster method based on the bivariational principle
• Title（参考訳）: 双変量原理に基づく状態特異的マルチリファレンス結合クラスタ法
• Authors: Tilmann Bodenstein and Simen Kvaal
• Abstract要約: バイバーMRCC法はアルポネンの分岐原理に基づいている。 分岐原理の特徴は、形式的なブラとケットの基準が分岐パラメータとして含められることである。 結果は、確立された状態固有のマルチ参照手法に匹敵する。
• 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: A state-specific multireference coupled-cluster method based on Arponen's bivariational principle is presented, the bivar-MRCC method. The method is based on singlereference theory, and therefore has a relatively straightforward formulation and modest computational complexity. The main difference from established methods is the bivariational formulation, in which independent parameterizations of the wavefunction (ket) and its complex conjugate (bra) are made. Importantly, this allows manifest multiplicative separability (exact in the extended bivar-MRECC version of the method, and approximate otherwise), while preserving polynomial scaling of the working equations. A feature of the bivariational principle is that the formal bra and ket references can be included as bivariational parameters, which eliminates much of the bias towards the formal reference. A pilot implementation is described, and extensive benchmark calculations on several standard problems are performed. The results from the bivar-MRCC method are comparable to established state-specific multireference methods. Considering the relative affordability of the bivar-MRCC method, it may become a practical tool for non-experts.
• Abstract（参考訳）: Arponenの分岐原理に基づく状態特異的な多重参照結合クラスタ法,Bivar-MRCC法を提案する。 この方法は単参照理論に基づいており、したがって比較的単純な定式化と控えめな計算複雑性を持つ。 確立された方法との主な違いは、波動関数(ket)とその複素共役(bra)の独立なパラメータ化が作られる双変量定式化である。 重要なことに、これは作業方程式の多項式スケーリングを保ちながら、明らかな乗法的分離性(拡張バイバルMRECCバージョンで可能であり、それ以外はそうでない)を可能にする。 双変量原理の特徴は、形式的ブラおよびケト参照を双変量パラメータとして含むことができ、形式的参照に対するバイアスをほとんど取り除くことである。 パイロット実装について述べ、いくつかの標準問題に対する広範なベンチマーク計算を行う。 bivar-mrcc法の結果は、確立された状態固有の多元参照法に匹敵する。 bivar-mrcc法の相対的許容性を考えると、非専門家にとって実用的なツールとなるかもしれない。

関連論文リスト

• Uncertainty Quantification with Bayesian Higher Order ReLU KANs [0.0]
  本稿では,コルモゴロフ・アルノルドネットワークの領域における不確実性定量化手法について紹介する。 簡単な一次元関数を含む一連の閉包試験により,本手法の有効性を検証した。 本稿では,ある項を包含することで導入された機能的依存関係を正しく識別する手法の能力を実証する。
  論文  参考訳（メタデータ） (2024-10-02T15:57:18Z)
• A Unified Theory of Stochastic Proximal Point Methods without Smoothness [52.30944052987393]
  近点法はその数値的安定性と不完全なチューニングに対する頑健性からかなりの関心を集めている。 本稿では,近位点法(SPPM)の幅広いバリエーションの包括的解析について述べる。
  論文  参考訳（メタデータ） (2024-05-24T21:09:19Z)
• Synergistic eigenanalysis of covariance and Hessian matrices for enhanced binary classification [72.77513633290056]
  本稿では, 学習モデルを用いて評価したヘッセン行列をトレーニングセットで評価した共分散行列の固有解析と, 深層学習モデルで評価したヘッセン行列を組み合わせた新しい手法を提案する。 本手法は複雑なパターンと関係を抽出し,分類性能を向上する。
  論文  参考訳（メタデータ） (2024-02-14T16:10:42Z)
• SARAH-based Variance-reduced Algorithm for Stochastic Finite-sum Cocoercive Variational Inequalities [137.6408511310322]
  有限サムコヒーレンシブ変分不等式の問題を考える。 強い単調な問題に対しては、この方法を用いて解への線形収束を達成することができる。
  論文  参考訳（メタデータ） (2022-10-12T08:04:48Z)
• Measuring dissimilarity with diffeomorphism invariance [94.02751799024684]
  DID(DID)は、幅広いデータ空間に適用可能なペアワイズな相似性尺度である。 我々は、DIDが理論的研究と実用に関係のある特性を享受していることを証明する。
  論文  参考訳（メタデータ） (2022-02-11T13:51:30Z)
• Efficient semidefinite bounds for multi-label discrete graphical models [6.226454551201676]
  このようなモデルにおける主要なクエリの1つは、Posteri(MAP)ネットワークのコストに関するSDPWCSP関数を特定することである。 従来の二重化制約手法と,行ごとの更新に基づく専用SDP/Monteiroスタイルの手法を検討する。
  論文  参考訳（メタデータ） (2021-11-24T13:38:34Z)
• Scalable Variational Gaussian Processes via Harmonic Kernel Decomposition [54.07797071198249]
  汎用性を維持しつつ高い忠実度近似を提供する,スケーラブルな変分ガウス過程近似を導入する。 様々な回帰問題や分類問題において,本手法は変換やリフレクションなどの入力空間対称性を活用できることを実証する。 提案手法は, 純粋なGPモデルのうち, CIFAR-10 の最先端化を実現する。
  論文  参考訳（メタデータ） (2021-06-10T18:17:57Z)
• Cross-Modal and Multimodal Data Analysis Based on Functional Mapping of Spectral Descriptors and Manifold Regularization [21.06669693699965]
  本研究は2つの新しいマルチモーダルモデリング手法を提案する。 第1の方法は、異種データに対するマルチモーダル情報問題に対処する汎用分析フレームワークを確立する。 第2の方法は、点対応に基づく多様体正規化マルチモーダル分類である。
  論文  参考訳（メタデータ） (2021-05-12T13:00:33Z)
• DiffPrune: Neural Network Pruning with Deterministic Approximate Binary Gates and $L_0$ Regularization [0.0]
  現代のニューラルネットワークアーキテクチャは通常、数百万のパラメータを持ち、有効性を著しく損なうことなく、大幅に刈り取ることができる。 この作品の貢献は2つある。 1つ目は、任意の実数値確率変数の決定論的かつ微分可能変換によって多変量ベルヌーイ確率変数を近似する方法である。 2つ目は、決定論的あるいは乗法的に計算され、正確なゼロ値を取る近似二進ゲートを持つ要素的パラメータによるモデル選択の方法である。
  論文  参考訳（メタデータ） (2020-12-07T13:08:56Z)
• Guaranteed convergence for a class of coupled-cluster methods based on Arponen's extended theory [0.0]
  この方法のクラスは、クラスタ演算子の座標変換の観点で定式化される。 エネルギーの反転勾配の局所的な強い単調性の概念は中心である。 いくつかの数値実験を行い、診断に標準座標を用いる方法について論じる。
  論文  参考訳（メタデータ） (2020-03-15T11:24:30Z)
• Clustering Binary Data by Application of Combinatorial Optimization Heuristics [52.77024349608834]
  本稿では,2値データのクラスタリング手法について検討し,まず,クラスタのコンパクトさを計測するアグリゲーション基準を定義した。 近隣地域と人口動態最適化メタヒューリスティックスを用いた5つの新しいオリジナル手法が導入された。 準モンテカルロ実験によって生成された16のデータテーブルから、L1の相似性と階層的クラスタリング、k-means(メドイドやPAM)の1つのアグリゲーションの比較を行う。
  論文  参考訳（メタデータ） (2020-01-06T23:33:31Z)

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。