Fugu-MT 論文翻訳(概要): Improved Recursive Computation of Clebsch-Gordan Coefficients

論文の概要: Improved Recursive Computation of Clebsch-Gordan Coefficients

arxiv url: http://arxiv.org/abs/2006.04267v2
Date: Wed, 17 Jun 2020 21:05:17 GMT
ステータス: 処理完了
システム内更新日: 2023-05-16 09:07:23.732440
Title: Improved Recursive Computation of Clebsch-Gordan Coefficients
Title（参考訳）: Clebsch-Gordan係数の再帰計算の改善
Authors: Guanglang Xu
Abstract要約: 我々は,C-G係数の計算のための改良された手法,いわゆる手話再帰法を提案する。提案手法は,効率を損なうことなく,計算の安定性を著しく向上させることができる。
参考スコア（独自算出の注目度）: 0.43512163406552007
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Fast, accurate, and stable computation of the Clebsch-Gordan (C-G) coefficients is always desirable, for example, in light scattering simulations, the translation of the multipole fields, quantum physics and chemistry. Current recursive methods for computing the C-G coefficients are often unstable for large quantum numbers due to numerical overflow or underflow. In this paper, we present an improved method, the so-called sign-exponent recurrence, for the recursive computation of C-G coefficients. The result shows that the proposed method can significantly improve the stability of the computation without losing its efficiency, producing accurate values for the C-G coefficients even with very large quantum numbers.
Abstract（参考訳）: Clebsch-Gordan(C-G)係数の高速で正確かつ安定な計算は、例えば光散乱シミュレーション、多極体の変換、量子物理学、化学などにおいて常に望ましい。 c-g係数を計算する現在の再帰的手法は、数値オーバーフローや下方流のために大きな量子数に対して不安定であることが多い。本稿では,C-G係数の再帰計算のための改良された手法,いわゆる符号出現再帰法を提案する。その結果,提案手法は効率を損なうことなく計算の安定性を著しく向上し,非常に大きな量子数であってもC-G係数の正確な値が得られることがわかった。

関連論文リスト

Quantum Algorithms for Representation-Theoretic Multiplicities [0.0]
我々は、Kostka、Littlewood-Richardson、Plethysm、Kronecker係数を計算するための量子アルゴリズムを提供する。リトルウッド・リチャードソン係数の計算に有効な古典的アルゴリズムが存在することを示す。量子アルゴリズムがスーパーポリノミカルなスピードアップにつながると推測する。
論文参考訳（メタデータ） (2024-07-24T21:34:05Z)
Randomized Polar Codes for Anytime Distributed Machine Learning [66.46612460837147]
本稿では,低速な計算ノードに対して堅牢で,線形演算の近似計算と精度の両立が可能な分散コンピューティングフレームワークを提案する。本稿では,復号化のための計算複雑性を低く保ちながら,実数値データを扱うための逐次復号アルゴリズムを提案する。大規模行列乗算やブラックボックス最適化など,様々な文脈において,このフレームワークの潜在的な応用を実証する。
論文参考訳（メタデータ） (2023-09-01T18:02:04Z)
Non-Parametric Learning of Stochastic Differential Equations with Non-asymptotic Fast Rates of Convergence [65.63201894457404]
非線形微分方程式のドリフトと拡散係数の同定のための新しい非パラメトリック学習パラダイムを提案する。鍵となる考え方は、基本的には、対応するフォッカー・プランク方程式のRKHSに基づく近似をそのような観測に適合させることである。
論文参考訳（メタデータ） (2023-05-24T20:43:47Z)
Minimizing CNOT-count in quantum circuit of the extended Shor's algorithm for ECDLP [8.88308897530269]
イオントラップ量子コンピュータを用いて、改良された量子回路を用いてECDLPのクラックの可能性を分析する。我々は、素体上の楕円曲線上の離散対数を計算するために、Shorのアルゴリズムを拡張するための正確な量子回路を与える。イオントラップ量子コンピュータ上でのShorアルゴリズムの動作時間と実現可能性をCNOT数に応じて解析する。
論文参考訳（メタデータ） (2023-05-19T03:41:13Z)
A Sublinear-Time Quantum Algorithm for Approximating Partition Functions [0.0]
本稿では,ギブス分割関数を線形時間で推定する新しい量子アルゴリズムを提案する。これは、vStefankovivc, Vempala, Vigodaの半周期的なほぼ直線時間で得られる最初のスピードアップである。
論文参考訳（メタデータ） (2022-07-18T14:41:48Z)
Posterior and Computational Uncertainty in Gaussian Processes [52.26904059556759]
ガウスのプロセスはデータセットのサイズとともに違法にスケールする。多くの近似法が開発されており、必然的に近似誤差を導入している。この余分な不確実性の原因は、計算が限られているため、近似後部を使用すると完全に無視される。本研究では,観測された有限個のデータと有限個の計算量の両方から生じる組合せ不確実性を一貫した推定を行う手法の開発を行う。
論文参考訳（メタデータ） (2022-05-30T22:16:25Z)
Reducing Unitary Coupled Cluster Circuit Depth by Classical Stochastic Amplitude Pre-Screening [0.0]
Unitary Coupled Cluster (UCC)アプローチは、量子化学計算を実行するために量子ハードウェアを利用するための魅力的な方法である。本稿では,従来のUCC前処理ステップを用いてUCCアンサッツの重要な励起を判定する,古典量子と古典量子の併用手法を提案する。
論文参考訳（メタデータ） (2021-08-24T18:34:14Z)
Circuit-Depth Reduction of Unitary-Coupled-Cluster Ansatz by Energy Sorting [3.0998962250161783]
量子計算は、量子化学における問題を解くための革命的なアプローチである。現在のノイズの多い中間スケール量子(NISQ)デバイスでは量子資源が限られているため、大規模化学系の量子アルゴリズムは依然として主要な課題である。本研究では,ユニタリ結合クラスタ(UCC)とUCCベースのアンサーゼの回路深さをエネルギーソート戦略により著しく低減できることを示す。
論文参考訳（メタデータ） (2021-06-29T09:51:19Z)
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)
Gradient Boosted Binary Histogram Ensemble for Large-scale Regression [60.16351608335641]
本研究では,2値ヒストグラム分割とアンサンブル学習に基づくテキストグラディエント2値ヒストグラムアンサンブル(GBBHE)と呼ばれる大規模回帰問題に対する勾配向上アルゴリズムを提案する。実験では, 勾配向上回帰木 (GBRT) などの他の最先端アルゴリズムと比較して, GBBHEアルゴリズムは大規模データセット上での実行時間が少なく, 有望な性能を示す。
論文参考訳（メタデータ） (2021-06-03T17:05:40Z)
Coded Distributed Computing with Partial Recovery [56.08535873173518]
部分回復型符号化計算(CCPR)と呼ばれる新しい符号化行列ベクトル乗法を導入する。 CCPRは計算時間と復号化の複雑さを減らし、精度と計算速度のトレードオフを可能にする。次に、この手法をより一般的な計算タスクの分散実装に拡張し、部分的回復を伴う符号化通信方式を提案する。
論文参考訳（メタデータ） (2020-07-04T21:34:49Z)

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。