論文の概要: Transcorrelated Density Matrix Renormalization Group

• arxiv url: http://arxiv.org/abs/2009.02614v3
• Date: Mon, 2 Nov 2020 16:19:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-03 18:42:25.339053
• Title: Transcorrelated Density Matrix Renormalization Group
• Title（参考訳）: Transcorrelated density Matrix Renormalization Group
• Authors: Alberto Baiardi and Markus Reiher
• Abstract要約: 強相関系に対するエネルギーの効率的な近似のための超相関密度行列正規化群(tcDMRG)理論を導入する。 tcDMRGは、固定ジャストロウまたはグッツウィラー相関器と行列積状態の積として波動関数を符号化する。 我々は, tcDMRGの高速エネルギー収束を実証し, tcDMRGが準一次元システムを超えて標準DMRGの効率を向上できることを示した。
• 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 introduce the transcorrelated Density Matrix Renormalization Group (tcDMRG) theory for the efficient approximation of the energy for strongly correlated systems. tcDMRG encodes the wave function as a product of a fixed Jastrow or Gutzwiller correlator and a matrix product state. The latter is optimized by applying the imaginary-time variant of time-dependent (TD) DMRG to the non-Hermitian transcorrelated Hamiltonian. We demonstrate the efficiency of tcDMRG at the example of the two-dimensional Fermi-Hubbard Hamiltonian, a notoriously difficult target for the DMRG algorithm, for different sizes, occupation numbers, and interaction strengths. We demonstrate fast energy convergence of tcDMRG, which indicates that tcDMRG could increase the efficiency of standard DMRG beyond quasi-monodimensional systems and provides a generally powerful approach toward the dynamic correlation problem of DMRG.
• Abstract（参考訳）: 強相関系におけるエネルギーの効率的な近似のために,tcdmrg(transcorrelated density matrix renormalization group)理論を導入する。 tcDMRGは、固定ジャストロウまたはグッツウィラー相関器と行列積状態の積として波動関数を符号化する。 後者は、時間依存(TD)DMRGの虚時変分を非エルミート的トランスコリックハミルトニアンに適用することによって最適化される。 我々はDMRGアルゴリズムの2次元Fermi-Hubbard Hamiltonianの例において、異なるサイズ、占有数、相互作用強度に対して、tcDMRGの効率を実証する。 我々は, tcDMRGの高速エネルギー収束を実証し, tcDMRGが準単次元システムを超えて標準DMRGの効率を向上させることを示し, DMRGの動的相関問題に対する一般に強力なアプローチを提供する。

関連論文リスト

• Probing universal critical scaling with scan-DMRG [0.0]
  次数パラメータと3つの最小モデルに対する絡み合いエントロピーについて、高品質なデータ崩壊を示す。 我々は,磁化ウェス-ズミノ-ウィッテンおよびフラストレーションされたハルデン鎖の非磁性イジング転移に作用すると,スキャン-DMRGが普遍的臨界スケーリングを捕捉することを示す。
  論文  参考訳（メタデータ） (2024-06-24T12:34:40Z)
• Binarized Diffusion Model for Image Super-Resolution [61.963833405167875]
  超圧縮アルゴリズムであるバイナリ化は、高度な拡散モデル(DM)を効果的に加速する可能性を提供する 既存の二項化法では性能が著しく低下する。 画像SRのための新しいバイナライズ拡散モデルBI-DiffSRを提案する。
  論文  参考訳（メタデータ） (2024-06-09T10:30:25Z)
• Augmenting Density Matrix Renormalization Group with Clifford Circuits [0.49157446832511503]
  本稿では,密度行列再正規化群アルゴリズムにおけるクリフォード回路のシームレスな積分について述べる。 このフレームワークは、現在のアプリケーションだけでなく、様々な数値的アプローチに容易に適応できる可能性にも有用である。
  論文  参考訳（メタデータ） (2024-05-15T09:53:08Z)
• Intelligent Hybrid Resource Allocation in MEC-assisted RAN Slicing Network [72.2456220035229]
  我々は,協調型MEC支援RANスライシングシステムにおける異種サービス要求に対するSSRの最大化を目指す。 最適ハイブリッドRAポリシーをインテリジェントに学習するためのRGRLアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-02T01:36:13Z)
• Tensor network renormalization: application to dynamic correlation functions and non-hermitian systems [0.0]
  本稿では,動的相関関数の計算を可能にするLoop-TNRアルゴリズムの実装について述べる。 また,非エルミート系の臨界特性を調べるためにLoop-TNRアルゴリズムが適用可能であることも強調した。
  論文  参考訳（メタデータ） (2023-11-30T18:34:32Z)
• Active RIS-aided EH-NOMA Networks: A Deep Reinforcement Learning Approach [66.53364438507208]
  アクティブな再構成可能なインテリジェントサーフェス(RIS)支援マルチユーザダウンリンク通信システムについて検討した。 非直交多重アクセス(NOMA)はスペクトル効率を向上させるために使用され、活性RISはエネルギー回収(EH)によって駆動される。 ユーザの動的通信状態を予測するために,高度なLSTMベースのアルゴリズムを開発した。 増幅行列と位相シフト行列RISを結合制御するためにDDPGに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-11T13:16:28Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• Bond-weighted Tensor Renormalization Group [0.0]
  改良型テンソル再正規化群 (TRG) アルゴリズム, ボンド重み付きTRG (BTRG) を提案する。 BTRG は従来の TRG と高次テンソル再正規化群を同じ結合次元で上回ることを示す。
  論文  参考訳（メタデータ） (2020-11-03T13:08:54Z)
• Performance of the rigorous renormalization group for first order phase transitions and topological phases [0.0]
  密度行列再正規化群 (DMRG) は, 1次元系の基底状態を見つけるための実用的なアルゴリズムとして確立されている。 本研究では,一次位相遷移および対称性保護位相におけるRRGの数値的実装の精度と性能について検討する。
  論文  参考訳（メタデータ） (2020-10-29T18:00:07Z)
• Lightweight, Dynamic Graph Convolutional Networks for AMR-to-Text Generation [56.73834525802723]
  軽量な動的グラフ畳み込みネットワーク (LDGCN) を提案する。 LDGCNは入力グラフから高次情報を合成することにより、よりリッチな非局所的な相互作用をキャプチャする。 我々は,グループグラフの畳み込みと重み付き畳み込みに基づく2つの新しいパラメータ保存戦略を開発し,メモリ使用量とモデル複雑性を低減する。
  論文  参考訳（メタデータ） (2020-10-09T06:03:46Z)
• Communication Efficient Distributed Learning with Censored, Quantized, and Generalized Group ADMM [52.12831959365598]
  本稿では,相互接続作業者のネットワーク上で定義されたコンセンサス最適化問題を解決するための,コミュニケーション効率のよい分散機械学習フレームワークを提案する。 提案アルゴリズムであるCensored and Quantized Generalized GADMMは、GADMM(Group Alternating Direction Method of Multipliers)の労働者グループ化と分散学習のアイデアを活用する。 CQ-GGADMMは通信ラウンド数で高い通信効率を示し、精度と収束速度を損なうことなくエネルギー消費を伝達する。
  論文  参考訳（メタデータ） (2020-09-14T14:18:19Z)

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。