Fugu-MT 論文翻訳(概要): Eigenstate clustering around exceptional points

論文の概要: Eigenstate clustering around exceptional points

arxiv url: http://arxiv.org/abs/2008.04929v1
Date: Tue, 11 Aug 2020 18:01:10 GMT
ステータス: 処理完了
システム内更新日: 2023-05-06 13:50:36.317599
Title: Eigenstate clustering around exceptional points
Title（参考訳）: 例外点周辺の固有状態クラスタリング
Authors: Cem Yuce
Abstract要約: 非直交固有状態は例外点の周りにクラスター化可能であることを示す。局所的あるいは拡張された固有状態のクラスタリングは、開境界と閉境界の両方を持つシステムで可能であることを数値的に確認する。
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 propose an idea of eigenstate clustering in non-Hermitian systems. We show that non-orthogonal eigenstates can be clustered around exceptional points and illustrate our idea on some models. We discuss that exponential localization of eigenstates at edges due to the non-Hermitian skin effect is a typical example of eigenstate clustering. We numerically see that clustering of localized or extended eigenstates are possible in systems with both open and closed boundaries. We show that gain and loss can enhance eigenstate clustering. We use fidelities and the standard k-means clustering algorithm for a systematic study of clustered eigenstates.
Abstract（参考訳）: 非エルミート系における固有状態クラスタリングの考え方を提案する。非直交固有状態は例外点を中心にクラスター化可能であることを示し、いくつかのモデルで我々の考えを説明する。非エルミート皮膚効果によるエッジにおける固有状態の指数的局在化は固有状態クラスタリングの典型的な例である。局所的あるいは拡張された固有状態のクラスタリングは、開境界と閉境界の両方を持つシステムで可能であることを数値的に確認する。我々は、利得と損失が固有状態クラスタリングを増大させることを示した。我々は,クラスター型固有状態の体系的研究のために,フィダリティと標準k平均クラスタリングアルゴリズムを用いた。

関連論文リスト

Self-Supervised Graph Embedding Clustering [70.36328717683297]
K-means 1-step dimensionality reduction clustering method は,クラスタリングタスクにおける次元性の呪いに対処する上で,いくつかの進歩をもたらした。本稿では,K-meansに多様体学習を統合する統一フレームワークを提案する。
論文参考訳（メタデータ） (2024-09-24T08:59:51Z)
Can an unsupervised clustering algorithm reproduce a categorization system? [1.0485739694839669]
ラベル付きデータセットにおいて、教師なしクラスタリングが真理クラスを再現できるかどうかを検討する。成功は特徴選択と選択した距離測定に依存することを示す。
論文参考訳（メタデータ） (2024-08-19T18:27:14Z)
Reinforcement Graph Clustering with Unknown Cluster Number [91.4861135742095]
本稿では,Reinforcement Graph Clusteringと呼ばれる新しいディープグラフクラスタリング手法を提案する。提案手法では,クラスタ数決定と教師なし表現学習を統一的なフレームワークに統合する。フィードバック動作を行うために、クラスタリング指向の報酬関数を提案し、同一クラスタの凝集を高め、異なるクラスタを分離する。
論文参考訳（メタデータ） (2023-08-13T18:12:28Z)
Instance-Optimal Cluster Recovery in the Labeled Stochastic Block Model [79.46465138631592]
観測されたラベルを用いてクラスタを復元する効率的なアルゴリズムを考案する。本稿では,期待値と高い確率でこれらの下位境界との性能を一致させる最初のアルゴリズムであるIACを提案する。
論文参考訳（メタデータ） (2023-06-18T08:46:06Z)
Coherent-cluster-state generation in networks of degenerate optical parametric oscillators [4.015029887580199]
我々は,ビームスプリッタと古典ポンプの助けを借りて,DOPOネットワーク上でコヒーレントクラスタ状態を生成することができることを示す。生成した状態をモジュラー変数を用いて有効スピン空間にマッピングすることにより、スピンベースのクラスタ状態に適した絡み合い基準を適用することができる。
論文参考訳（メタデータ） (2023-01-31T14:34:53Z)
flow-based clustering and spectral clustering: a comparison [0.688204255655161]
本研究では,本質的なネットワーク構造を持つデータに対する新しいグラフクラスタリング手法を提案する。我々は、ユークリッド特徴ベクトルを構築するために、データ固有のネットワーク構造を利用する。以上の結果から,クラスタリング手法が特定のグラフ構造に対処できることが示唆された。
論文参考訳（メタデータ） (2022-06-20T21:49:52Z)
Local versions of sum-of-norms clustering [77.34726150561087]
本手法はボールモデルにおいて任意に閉じた球を分離できることを示す。我々は、不連結連結集合のクラスタリングで発生する誤差に定量的な有界性を証明した。
論文参考訳（メタデータ） (2021-09-20T14:45:29Z)
Deep Conditional Gaussian Mixture Model for Constrained Clustering [7.070883800886882]
制約付きクラスタリングは、部分的にラベル付けされたデータの増加量に関する事前情報を利用することができる。本稿では、直感的で解釈可能で、勾配変動推論の枠組みで効率的に訓練できる制約付きクラスタリングのための新しいフレームワークを提案する。
論文参考訳（メタデータ） (2021-06-11T13:38:09Z)
Scalable Hierarchical Agglomerative Clustering [65.66407726145619]
既存のスケーラブルな階層的クラスタリング手法は、スピードの質を犠牲にする。我々は、品質を犠牲にせず、数十億のデータポイントまでスケールする、スケーラブルで集約的な階層的クラスタリング法を提案する。
論文参考訳（メタデータ） (2020-10-22T15:58:35Z)
A Boundary Based Out-of-Distribution Classifier for Generalized Zero-Shot Learning [83.1490247844899]
Generalized Zero-Shot Learning (GZSL)は多くの現実的なシナリオにおいて有望な見通しを持つ挑戦的なトピックである。本研究では,見知らぬ領域を学習用サンプルのみを用いて分類する境界に基づくアウト・オブ・ディストリビューション(OOD)分類器を提案する。我々は、AWA1、AWA2、CUB、FLO、SUNを含む5つの人気のあるベンチマークデータセットに対して、我々のアプローチを広範囲に検証する。
論文参考訳（メタデータ） (2020-08-09T11:27:19Z)
Strong Consistency, Graph Laplacians, and the Stochastic Block Model [1.2891210250935143]
ブロックモデルを学ぶために,古典的な2段階のスペクトルクラスタリングの性能をグラフラプラシアンを用いて検討する。スペクトルクラスタリングは,情報理論の限界に合致する条件下で,植民コミュニティ構造を正確に復元できることを示す。
論文参考訳（メタデータ） (2020-04-21T07:16:46Z)

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。