Fugu-MT 論文翻訳(概要): Universal properties of anyon braiding on one-dimensional wire networks

論文の概要: Universal properties of anyon braiding on one-dimensional wire networks

arxiv url: http://arxiv.org/abs/2007.01207v2
Date: Tue, 10 Nov 2020 12:24:14 GMT
ステータス: 処理完了
システム内更新日: 2023-05-11 20:47:08.777127
Title: Universal properties of anyon braiding on one-dimensional wire networks
Title（参考訳）: 一次元ワイヤネットワーク上のエノンブレイディングの普遍的性質
Authors: Tomasz Maci\k{a}\.zek and Byung Hee An
Abstract要約: ワイヤネットワーク上のエノンは2次元のエノンと根本的に異なるブレイディング特性を持つことを示す。ブレイディングの性格は、ネットワークの連結性と呼ばれる位相不変量に依存する。
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: We demonstrate that anyons on wire networks have fundamentally different braiding properties than anyons in 2D. Our analysis reveals an unexpectedly wide variety of possible non-abelian braiding behaviours on networks. The character of braiding depends on the topological invariant called the connectedness of the network. As one of our most striking consequences, particles on modular networks can change their statistical properties when moving between different modules. However, sufficiently highly connected networks already reproduce braiding properties of 2D systems. Our analysis is fully topological and independent on the physical model of anyons.
Abstract（参考訳）: ワイヤネットワーク上のanyonが2dのanyonsと基本的に異なるブレイディング特性を持つことを実証する。本分析では,ネットワーク上での非アーベルブレイディング動作について,予想外の多様性を示す。ブレイディングの性格は、ネットワークの連結性と呼ばれる位相不変量に依存する。最も顕著な結果の1つとして、モジュールネットワーク上の粒子は、異なるモジュール間を移動する際の統計特性を変化させることができる。しかし、十分に接続されたネットワークはすでに2Dシステムのブレイディング特性を再現している。私たちの分析は完全にトポロジカルで、任意のオンの物理的モデルに依存しません。

関連論文リスト

Super Consistency of Neural Network Landscapes and Learning Rate Transfer [72.54450821671624]
我々は、失われたヘッセンのレンズを通して風景を研究する。我々は、$mu$P のスペクトル特性がネットワークの大きさに大きく依存していることを発見した。ニューラルタンジェントカーネル(NTK)や他のスケーリングシステムでは、シャープネスは異なるスケールで非常に異なるダイナミクスを示す。
論文参考訳（メタデータ） (2024-02-27T12:28:01Z)
Riemannian Residual Neural Networks [58.925132597945634]
残余ニューラルネットワーク(ResNet)の拡張方法を示す。 ResNetは、機械学習において、有益な学習特性、優れた経験的結果、そして様々なニューラルネットワークを構築する際に容易に組み込める性質のために、ユビキタスになった。
論文参考訳（メタデータ） (2023-10-16T02:12:32Z)
On Privileged and Convergent Bases in Neural Network Representations [7.888192939262696]
WideResNetsのような広帯域ネットワークにおいても、ニューラルネットワークは独自の基盤に収束しないことを示す。また,ベース相関の尺度として研究されている線形モード接続性の解析を行った。
論文参考訳（メタデータ） (2023-07-24T17:11:39Z)
Feature-Learning Networks Are Consistent Across Widths At Realistic Scales [72.27228085606147]
様々なアーキテクチャやデータセットにわたる特徴学習ニューラルネットワークのダイナミクスに対する幅の影響について検討する。トレーニングの初期、オンラインデータでトレーニングされた広範なニューラルネットワークは、損失曲線が同じであるだけでなく、トレーニング全体を通じてポイントワイドなテスト予測に一致している。しかし、より狭いネットワークのアンサンブルは、単一のワイドネットワークよりも性能が劣っている。
論文参考訳（メタデータ） (2023-05-28T17:09:32Z)
Extending the planar theory of anyons to quantum wire networks [0.0]
一般的なワイヤネットワークのためのグラフブリードド・エニオン融合モデルを構築した。特に、三連結ネットワークは、平面エニオンモデルと同じブレイディング交換演算子を生成することを証明している。我々は、グラフブレイドされた任意の核融合モデルが(一般化された)コヒーレンス特性を持つことを予想する。
論文参考訳（メタデータ） (2023-01-16T20:13:27Z)
Curvature-informed multi-task learning for graph networks [56.155331323304]
最先端のグラフニューラルネットワークは、複数の特性を同時に予測しようとする。この現象の潜在的な説明として、各特性の損失面の曲率が大きく異なり、非効率な学習につながる可能性がある。
論文参考訳（メタデータ） (2022-08-02T18:18:41Z)
Randomly Initialized One-Layer Neural Networks Make Data Linearly Separable [1.2277343096128712]
十分な幅が与えられると、ランダムに1層ニューラルネットワークは2つの集合を2つの線形分離可能な集合に変換することができる。本論文は, 十分な幅が与えられると, ランダムに一層ニューラルネットワークが2つの集合を2つの線形分離可能な集合に変換できることを示す。
論文参考訳（メタデータ） (2022-05-24T01:38:43Z)
Learning distinct features helps, provably [98.78384185493624]
最小二乗損失で訓練された2層ニューラルネットワークによって学習された特徴の多様性について検討する。隠蔽層の特徴間の平均的な$L$-distanceで多様性を測定する。
論文参考訳（メタデータ） (2021-06-10T19:14:45Z)
Problems of representation of electrocardiograms in convolutional neural networks [58.720142291102135]
これらの問題は本質的に体系的であることを示す。これらは、畳み込みネットワークが複合オブジェクトでどのように機能するかに起因するが、その一部は厳格に固定されていないが、大きな移動性を持っている。
論文参考訳（メタデータ） (2020-12-01T14:02:06Z)
Modeling the Evolution of Networks as Shrinking Structural Diversity [0.0]
本稿では、構造的多様性の概念に基づいて、ネットワーク進化のモデルをレビューし、評価する。多様性は、優先的なアタッチメントモデル、接続性、リンク予測という、ネットワーク進化の3つの原則の根底にあるテーマであることを示す。
論文参考訳（メタデータ） (2020-09-21T11:30:07Z)
Transmission and navigation on disordered lattice networks, directed spanning forests and Brownian web [2.0305676256390934]
本研究では,空間依存点場に基づくランダムな摂動格子に基づくネットワークの幾何学について検討する。 2D, 3Dでは, DSFがほぼ確実に1本の木から構成されていることが判明した。 2Dでは、パスの集合としてのDSFがブラウンウェブへの拡散スケーリングの下に収束することがさらに証明される。
論文参考訳（メタデータ） (2020-02-17T11:45:49Z)

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。