論文の概要: Phases of two-dimensional spinless lattice fermions with first-quantized deep neural-network quantum states

• arxiv url: http://arxiv.org/abs/2008.00118v1
• Date: Fri, 31 Jul 2020 23:43:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-04 07:20:38.230295
• Title: Phases of two-dimensional spinless lattice fermions with first-quantized deep neural-network quantum states
• Title（参考訳）: 1量子化ディープニューラルネットワーク量子状態を持つ二次元スピンレス格子フェルミオンの相
• Authors: James Stokes, Javier Robledo Moreno, Eftychios A. Pnevmatikakis, Giuseppe Carleo
• Abstract要約: 格子上の強結合フェルミオン系を解析するために, 第一量子化ディープニューラルネットワーク技術を開発した。 我々は、畳み込み残差ブロックを持つディープ残差ネットワークを利用するSlater-Jastrowインスパイアされたアンサッツを使用する。 ニューラルネットワークアンサッツの柔軟性は、小さなシステムにおける正確な対角化結果と比較して高い精度をもたらす。
• 参考スコア（独自算出の注目度）: 3.427639528860287
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: First-quantized deep neural network techniques are developed for analyzing strongly coupled fermionic systems on the lattice. Using a Slater-Jastrow inspired ansatz which exploits deep residual networks with convolutional residual blocks, we approximately determine the ground state of spinless fermions on a square lattice with nearest-neighbor interactions. The flexibility of the neural-network ansatz results in a high level of accuracy when compared to exact diagonalization results on small systems, both for energy and correlation functions. On large systems, we obtain accurate estimates of the boundaries between metallic and charge ordered phases as a function of the interaction strength and the particle density.
• Abstract（参考訳）: 格子上の強結合フェルミオン系を解析するために, 第一量子化ディープニューラルネットワーク技術を開発した。 畳み込み残差ブロックを持つ深い残差ネットワークを利用するスレーター・ジャストロウインスパイアアンサッツを用いて、最寄り-近距離相互作用を持つ正方格子上のスピンレスフェルミオンの基底状態を近似的に決定する。 ニューラルネットワークのansatzの柔軟性は、エネルギーと相関関数の両方において、小さなシステムでの正確な対角化結果と比較して高い精度をもたらす。 大規模系では, 相互作用強度と粒子密度の関数として, 金属相と電荷相の境界を正確に推定する。

関連論文リスト

• Spectroscopy of two-dimensional interacting lattice electrons using symmetry-aware neural backflow transformations [0.0]
  本稿では格子対称性をNeural Slater-Backflow-Jastrow波動関数アンサテイズに埋め込むフレームワークを提案する。 我々は、我々のモデルが基底状態と低い励起状態をターゲットにする方法を実証する。
  論文  参考訳（メタデータ） (2024-06-13T13:01:50Z)
• Proving Linear Mode Connectivity of Neural Networks via Optimal Transport [27.794244660649085]
  この経験的観察を理論的に説明する枠組みを提供する。 ワッサーシュタイン収束率を規定する支持重み分布ニューロンがモード接続性とどのように相関するかを示す。
  論文  参考訳（メタデータ） (2023-10-29T18:35:05Z)
• Neural network approach to quasiparticle dispersions in doped antiferromagnets [0.0]
  異なる1次元および2次元格子上でのボソニックおよびフェルミオンの$t-J$モデルを表現する神経量子状態の能力について検討する。 本稿では,ニューラルネットワークの状態表現から分散関係を計算する手法を提案する。
  論文  参考訳（メタデータ） (2023-10-12T17:59:33Z)
• Speed Limits for Deep Learning [67.69149326107103]
  熱力学の最近の進歩は、初期重量分布から完全に訓練されたネットワークの最終分布への移動速度の制限を可能にする。 線形および線形化可能なニューラルネットワークに対して,これらの速度制限に対する解析式を提供する。 NTKスペクトルとラベルのスペクトル分解に関するいくつかの妥当なスケーリング仮定を考えると、学習はスケーリングの意味で最適である。
  論文  参考訳（メタデータ） (2023-07-27T06:59:46Z)
• Machine learning one-dimensional spinless trapped fermionic systems with neural-network quantum states [1.6606527887256322]
  ガウスポテンシャルを介して相互作用する完全に偏極された1次元フェルミオン系の基底状態特性を計算する。 我々は、波動関数のアンサッツとして、反対称人工ニューラルネットワーク(英語版)またはニューラル量子状態を用いる。 相互作用の兆候によって、非常に異なる基底状態が見つかる。
  論文  参考訳（メタデータ） (2023-04-10T17:36:52Z)
• Evolution of many-body systems under ancilla quantum measurements [58.720142291102135]
  本研究では,多体格子系をアシラリー自由度に結合させることにより量子測度を実装するという概念について検討する。 従来より抽象的なモデルで見られたように, アンタングリング・エンタングリング測定によって引き起こされる遷移の証拠を見いだす。
  論文  参考訳（メタデータ） (2023-03-13T13:06:40Z)
• Gradient Descent in Neural Networks as Sequential Learning in RKBS [63.011641517977644]
  初期重みの有限近傍にニューラルネットワークの正確な電力系列表現を構築する。 幅にかかわらず、勾配降下によって生成されたトレーニングシーケンスは、正規化された逐次学習によって正確に複製可能であることを証明した。
  論文  参考訳（メタデータ） (2023-02-01T03:18:07Z)
• Dilute neutron star matter from neural-network quantum states [58.720142291102135]
  低密度中性子物質はクーパー対の形成と超流動の開始によって特徴づけられる。 我々は、モンテカルロ変分法と再構成技術を組み合わせた隠れ核量子ネットワーク量子状態の表現性に乗じて、この密度構造をモデル化する。
  論文  参考訳（メタデータ） (2022-12-08T17:55:25Z)
• On the Neural Tangent Kernel Analysis of Randomly Pruned Neural Networks [91.3755431537592]
  ニューラルネットワークのニューラルカーネル(NTK)に重みのランダムプルーニングが及ぼす影響について検討する。 特に、この研究は、完全に接続されたニューラルネットワークとそのランダムに切断されたバージョン間のNTKの等価性を確立する。
  論文  参考訳（メタデータ） (2022-03-27T15:22:19Z)
• Improving the performance of fermionic neural networks with the Slater exponential Ansatz [0.351124620232225]
  電子-原子核・電子-電子間距離にスレーター指数アンザッツを用いたフェルミオン型ニューラルネットワーク(FermiNets)を用いる手法を提案する。
  論文  参考訳（メタデータ） (2022-02-21T11:15:42Z)
• Neural-Network Quantum States for Periodic Systems in Continuous Space [66.03977113919439]
  我々は、周期性の存在下での強い相互作用を持つシステムのシミュレーションのために、神経量子状態の族を紹介する。 一次元系では、基底状態エネルギーと粒子の放射分布関数を非常に正確に推定する。 二つの次元において基底状態エネルギーの優れた推定値を得るが、これはより伝統的な手法から得られる結果に匹敵する。
  論文  参考訳（メタデータ） (2021-12-22T15:27:30Z)

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。