論文の概要: Engineering Topological Phases Guided by Statistical and Machine Learning Methods

• arxiv url: http://arxiv.org/abs/2008.11213v2
• Date: Wed, 17 Feb 2021 11:24:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-04 23:43:01.140100
• Title: Engineering Topological Phases Guided by Statistical and Machine Learning Methods
• Title（参考訳）: 統計的および機械学習による工学的位相相の導出
• Authors: Thomas Mertz and Roser Valent\'i
• Abstract要約: 本稿では,位相図の事前知識を必要とせず,一般格子の位相モデルを構築する統計的手法を提案する。 ランダム分布から厳密な結合パラメータベクトルをサンプリングすることにより、対応するトポロジカル指数にラベル付けしたデータセットを得る。 このラベル付きデータは、トポロジカル分類に最も関係したパラメータを抽出し、最も可能性が高い値を見つけるために分析される。 本稿では,Altland-Zirnbauer (AZ) クラス A におけるハニカム格子の原型的トポロジカル絶縁体として,Haldane モデルの予測という概念の証明として提示する。
• 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: The search for materials with topological properties is an ongoing effort. In this article we propose a systematic statistical method supported by machine learning techniques that is capable of constructing topological models for a generic lattice without prior knowledge of the phase diagram. By sampling tight-binding parameter vectors from a random distribution we obtain data sets that we label with the corresponding topological index. This labeled data is then analyzed to extract those parameters most relevant for the topological classification and to find their most likely values. We find that the marginal distributions of the parameters already define a topological model. Additional information is hidden in correlations between parameters. Here we present as a proof of concept the prediction of the Haldane model as the prototypical topological insulator for the honeycomb lattice in Altland-Zirnbauer (AZ) class A. The algorithm is straightforwardly applicable to any other AZ class or lattice and could be generalized to interacting systems.
• Abstract（参考訳）: トポロジカルな性質を持つ物質の探索は進行中である。 本稿では,位相図の事前知識を必要とせず,一般格子の位相モデルを構築することができる機械学習手法によって支援される系統的統計手法を提案する。 ランダム分布から厳密な結合パラメータベクトルをサンプリングすることにより、対応するトポロジカル指数にラベル付けしたデータセットを得る。 このラベル付きデータは、トポロジカル分類に最も関係したパラメータを抽出し、最も可能性が高い値を見つけるために分析される。 パラメータの辺分布は、既に位相モデルを定義している。 追加情報はパラメータ間の相関に隠されている。 ここでは、アルトランド・ジルンバウアー(Altland-Zirnbauer, AZ)クラスAにおけるハニカム格子の原型的トポロジカル絶縁体としてハルダンモデルの予測を概念の証明として提示する。

関連論文リスト

• Explaining Datasets in Words: Statistical Models with Natural Language Parameters [66.69456696878842]
  本稿では, クラスタリング, 時系列, 分類モデルなど, 自然言語の述語によってパラメータ化される統計モデル群を紹介する。 当社のフレームワークは、ユーザチャット対話の分類、時間の経過とともにどのように進化するかの特徴付け、一方の言語モデルが他方よりも優れているカテゴリを見つけることなど、幅広い問題に適用しています。
  論文  参考訳（メタデータ） (2024-09-13T01:40:20Z)
• Persistent de Rham-Hodge Laplacians in Eulerian representation for manifold topological learning [7.0103981121698355]
  多様体トポロジカルラーニングのための持続的ド・ラム・ホッジ・ラプラシアン(英語版)、または持続的ホッジ・ラプラシアン(英語版)を導入する。 我々のPHLは、カルテシアン格子を構造パーバーするユーレリア表現で構築されている。 本稿では,タンパク質-リガンド結合親和性の2つのベンチマークデータセットによる予測について考察する。
  論文  参考訳（メタデータ） (2024-08-01T01:15:52Z)
• Minimally Supervised Learning using Topological Projections in Self-Organizing Maps [55.31182147885694]
  自己組織化マップ(SOM)におけるトポロジカルプロジェクションに基づく半教師付き学習手法を提案する。 提案手法は,まずラベル付きデータ上でSOMを訓練し,最小限のラベル付きデータポイントをキーベストマッチングユニット(BMU)に割り当てる。 提案した最小教師付きモデルが従来の回帰手法を大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2024-01-12T22:51:48Z)
• Joint Bayesian Inference of Graphical Structure and Parameters with a Single Generative Flow Network [59.79008107609297]
  本稿では,ベイジアンネットワークの構造上の結合後部を近似する手法を提案する。 サンプリングポリシが2フェーズプロセスに従う単一のGFlowNetを使用します。 パラメータは後部分布に含まれるため、これは局所確率モデルに対してより柔軟である。
  論文  参考訳（メタデータ） (2023-05-30T19:16:44Z)
• A statistical approach to topological entanglement: Boltzmann machine representation of high-order irreducible correlation [6.430262211852815]
  高次相関の量子アナログは、0温度の物質のトポロジカル秩序状態におけるトポロジカル絡みである。 本研究では,この2つを同じ情報理論の枠組みで統一する統計的解釈を提案する。
  論文  参考訳（メタデータ） (2023-02-07T02:49:21Z)
• On topological data analysis for SHM; an introduction to persistent homology [0.0]
  トポロジカルデータ解析における主要なツールは、永続的ホモロジーである。 永続的ホモロジーは、データのホモロジー的特徴が間隔を超えてどのように持続するかの表現である。 これらの結果により、トポロジカルな推論と高次元データの特徴を推定することができる。
  論文  参考訳（メタデータ） (2022-09-12T12:02:39Z)
• RandomSCM: interpretable ensembles of sparse classifiers tailored for omics data [59.4141628321618]
  決定規則の結合や解離に基づくアンサンブル学習アルゴリズムを提案する。 モデルの解釈可能性により、高次元データのバイオマーカー発見やパターン発見に有用である。
  論文  参考訳（メタデータ） (2022-08-11T13:55:04Z)
• Regularization of Mixture Models for Robust Principal Graph Learning [0.0]
  D$次元データポイントの分布から主グラフを学習するために,Mixture Modelsの正規化バージョンを提案する。 モデルのパラメータは期待最大化手順によって反復的に推定される。
  論文  参考訳（メタデータ） (2021-06-16T18:00:02Z)
• Identification of Probability weighted ARX models with arbitrary domains [75.91002178647165]
  PieceWise Affineモデルは、ハイブリッドシステムの他のクラスに対する普遍近似、局所線型性、同値性を保証する。 本研究では,任意の領域を持つ固有入力モデル(NPWARX)を用いたPieceWise Auto Regressiveの同定に着目する。 このアーキテクチャは、機械学習の分野で開発されたMixture of Expertの概念に従って考案された。
  論文  参考訳（メタデータ） (2020-09-29T12:50:33Z)
• Asymptotic Analysis of an Ensemble of Randomly Projected Linear Discriminants [94.46276668068327]
  [1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。 我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。 また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
  論文  参考訳（メタデータ） (2020-04-17T12:47:04Z)
• Topological Machine Learning for Mixed Numeric and Categorical Data [0.0]
  トポロジカルデータ分析は、高次元データの研究において優れた機械学習の新しい分野である。 混合数値と分類属性を持つ混合データオブジェクトは、現実世界のアプリケーションではユビキタスである。 混合データ分類のための新しいトポロジカル機械学習手法を提案する。
  論文  参考訳（メタデータ） (2020-03-10T08:50:12Z)

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。