論文の概要: A graphical calculus for integration over random diagonal unitary
matrices
- arxiv url: http://arxiv.org/abs/2007.11219v2
- Date: Fri, 11 Dec 2020 11:58:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-08 18:36:42.964859
- Title: A graphical calculus for integration over random diagonal unitary
matrices
- Title(参考訳): ランダム対角ユニタリ行列上の積分のためのグラフ計算
- Authors: Ion Nechita and Satvik Singh
- Abstract要約: テンソルネットワークダイアグラムの平均を計算するためのグラフ計算を提供する。
我々は、一様ブロック置換の部分順序集合の順序構造を利用する。
同様の計算法は、独立な一様符号からなるランダムベクトルに対して開発された。
- 参考スコア(独自算出の注目度): 1.5229257192293197
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We provide a graphical calculus for computing averages of tensor network
diagrams with respect to the distribution of random vectors containing
independent uniform complex phases. Our method exploits the order structure of
the partially ordered set of uniform block permutations. A similar calculus is
developed for random vectors consisting of independent uniform signs, based on
the combinatorics of the partially ordered set of even partitions. We employ
our method to extend some of the results by Johnston and MacLean on the family
of local diagonal unitary invariant matrices. Furthermore, our graphical
approach applies just as well to the real (orthogonal) case, where we introduce
the notion of triplewise complete positivity to study the condition for
separability of the relevant bipartite matrices. Finally, we analyze the
twirling of linear maps between matrix algebras by independent diagonal unitary
matrices, showcasing another application of our method.
- Abstract(参考訳): 独立な複素位相を含むランダムベクトルの分布に関して,テンソルネットワーク図の平均を計算するためのグラフ計算を提供する。
本手法は,一様ブロック置換の部分順序集合の順序構造を利用する。
同様の計算は、偶数分割の半順序集合の組合せに基づいて、独立な一様符号からなるランダムベクトルに対して開発されている。
我々は、ジョンストンとマクリーンによる局所対角ユニタリ不変行列の族に関する結果のいくつかを拡張するために、この方法を用いる。
さらに、我々のグラフィカルなアプローチは、実(直交)の場合と同様に、関連する二部行列の分離性の条件を研究するために三次完全正の考え方を導入する。
最後に、独立対角ユニタリ行列による行列代数間の線型写像の回転解析を行い、この方法の別の応用を示す。
関連論文リスト
- A Bayesian Perspective for Determinant Minimization Based Robust
Structured Matrix Factorizatio [10.355894890759377]
構造行列分解問題に対するベイズ的視点を導入する。
解析結果から, 行列行列の因数分解に対するロバストな行列式を導出する手法が提案される。
論文 参考訳(メタデータ) (2023-02-16T16:48:41Z) - Deep Learning Symmetries and Their Lie Groups, Algebras, and Subalgebras
from First Principles [55.41644538483948]
ラベル付きデータセットに存在する連続した対称性群の検出と同定のためのディープラーニングアルゴリズムを設計する。
完全に接続されたニューラルネットワークを用いて、変換対称性と対応するジェネレータをモデル化する。
また,Lie群とその性質の数学的研究に機械学習アプローチを使うための扉を開く。
論文 参考訳(メタデータ) (2023-01-13T16:25:25Z) - Quantitative deterministic equivalent of sample covariance matrices with
a general dependence structure [0.0]
我々は、次元とスペクトルパラメータの両方を含む量的境界を証明し、特に実正の半直線に近づくことを可能にする。
応用として、これらの一般モデルの経験スペクトル分布のコルモゴロフ距離の収束の新しい境界を得る。
論文 参考訳(メタデータ) (2022-11-23T15:50:31Z) - Learning Graphical Factor Models with Riemannian Optimization [70.13748170371889]
本稿では,低ランク構造制約下でのグラフ学習のためのフレキシブルなアルゴリズムフレームワークを提案する。
この問題は楕円分布のペナルティ化された最大推定値として表される。
楕円モデルによく適合する正定行列と定ランクの正半定行列のジオメトリを利用する。
論文 参考訳(メタデータ) (2022-10-21T13:19:45Z) - An Equivalence Principle for the Spectrum of Random Inner-Product Kernel
Matrices with Polynomial Scalings [21.727073594338297]
この研究は、機械学習と統計学の応用によって動機付けられている。
スケーリングシステムにおいて,これらのランダム行列の経験的分布の弱い限界を確立する。
我々の結果は、マルテンコ・パストゥル法と半円法の間の自由加法的畳み込みとして特徴づけられる。
論文 参考訳(メタデータ) (2022-05-12T18:50:21Z) - Riemannian statistics meets random matrix theory: towards learning from
high-dimensional covariance matrices [2.352645870795664]
本稿では,高次元共分散行列の空間上でのリーマン・ガウス分布に関連する正規化因子の計算方法が存在しないことを示す。
この欠落法は、ランダム行列理論との予期せぬ新しい関係から来ていることが示されている。
シミュレーション実験により、この新たな近似が現実のデータセットへの応用を妨げる困難を解き放つ方法が示されている。
論文 参考訳(メタデータ) (2022-03-01T03:16:50Z) - High-Dimensional Sparse Bayesian Learning without Covariance Matrices [66.60078365202867]
共分散行列の明示的な構成を避ける新しい推論手法を提案する。
本手法では, 数値線形代数と共役勾配アルゴリズムの対角線推定結果とを結合する。
いくつかのシミュレーションにおいて,本手法は計算時間とメモリにおける既存手法よりも拡張性が高い。
論文 参考訳(メタデータ) (2022-02-25T16:35:26Z) - Joint Network Topology Inference via Structured Fusion Regularization [70.30364652829164]
結合ネットワークトポロジ推論は、異種グラフ信号から複数のグラフラプラシア行列を学習する標準的な問題を表す。
新規な構造化融合正規化に基づく一般グラフ推定器を提案する。
提案するグラフ推定器は高い計算効率と厳密な理論保証の両方を享受できることを示す。
論文 参考訳(メタデータ) (2021-03-05T04:42:32Z) - Diagonal unitary and orthogonal symmetries in quantum theory [1.5229257192293197]
この種の行列(と地図)は様々なシナリオを包含し、その結果研究を統一することを示した。
線型写像に対しては、それらのクラス、スタインスプリング、チョイ表現の項で記述された共分散の明示的な特徴づけを与える。
また、これらの写像の不変部分空間を記述し、それらの構造を用いて、関連する不変二部体状態の分離性に必要な十分条件を提供する。
論文 参考訳(メタデータ) (2020-10-15T17:25:38Z) - Semiparametric Nonlinear Bipartite Graph Representation Learning with
Provable Guarantees [106.91654068632882]
半パラメトリック指数族分布におけるパラメータの統計的推定問題として、両部グラフを考察し、その表現学習問題を定式化する。
提案手法は, 地中真理付近で強い凸性を示すため, 勾配降下法が線形収束率を達成できることを示す。
我々の推定器は指数族内の任意のモデル誤特定に対して頑健であり、広範な実験で検証されている。
論文 参考訳(メタデータ) (2020-03-02T16:40:36Z) - Optimal Iterative Sketching with the Subsampled Randomized Hadamard
Transform [64.90148466525754]
最小二乗問題に対する反復スケッチの性能について検討する。
本研究では、Haar行列とランダム化されたHadamard行列の収束速度が同一であることを示し、ランダムなプロジェクションを経時的に改善することを示した。
これらの手法は、ランダム化次元還元を用いた他のアルゴリズムにも適用することができる。
論文 参考訳(メタデータ) (2020-02-03T16:17:50Z)
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。