論文の概要: Extended Lipkin-Meshkov-Glick Hamiltonian

• arxiv url: http://arxiv.org/abs/2009.03593v2
• Date: Wed, 6 Jan 2021 11:46:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-03 05:13:25.305262
• Title: Extended Lipkin-Meshkov-Glick Hamiltonian
• Title（参考訳）: 拡張Lipkin-Meshkov-Glick Hamiltonian
• Authors: R. Romano, X. Roca-Maza, G. Col\`o, and Shihang Shen
• Abstract要約: Lipkin-Meshkov-Glick (LMG) モデルは、多粒子系を扱うための様々な近似形式の有効性をテストするために考案された。 物理学の様々な分野でよく使われる多体近似は、明らかに正確な LMG 解を記述できない。 一般の2体相互作用に基づく新しいハミルトニアンを提案する。
• 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 Lipkin-Meshkov-Glick (LMG) model was devised to test the validity of different approximate formalisms to treat many-particle systems. The model was constructed to be exactly solvable and yet non-trivial, in order to capture some of the main features of real physical systems. In the present contribution, we explicitly review the fact that different many-body approximations commonly used in different fields in physics clearly fail to describe the exact LMG solution. With similar assumptions as those adopted for the LMG model, we propose a new Hamiltonian based on a general two-body interaction. The new model (Extended LMG) is not only more general than the original LMG model and, therefore, with a potentially larger spectrum of applicability, but also the physics behind its exact solution can be much better captured by common many-body approximations. At the basis of this improvement lies a new term in the Hamiltonian that depends on the number of constituents and polarizes the system; the associated symmetry breaking is discussed, together with some implications for the study of more realistic systems.
• Abstract（参考訳）: Lipkin-Meshkov-Glick (LMG) モデルは、多粒子系を扱うための様々な近似形式の有効性をテストするために考案された。 このモデルは、実際の物理システムの主要な特徴を捉えるために、正確に解決可能で非自明に構築された。 本稿では, 物理学の異なる分野において共通に使用される異なる多体近似が, 正確な lmg 解を明らかに記述できないという事実を概説する。 LMGモデルで採用されたものと同様の仮定で、一般の2体相互作用に基づく新しいハミルトンモデルを提案する。 新しいモデル (Extended LMG) は、元の LMG モデルよりも一般性が高いため、適用範囲が潜在的に大きいだけでなく、その正確な解の背後にある物理学も、一般的な多体近似によってより良く捉えることができる。 この改善の基盤として、ハミルトニアンにおいて、構成成分の数に依存してシステムを分極する新しい用語があり、関連する対称性の破れが議論され、より現実的なシステムの研究にいくつかの意味がある。

関連論文リスト

• Universal replication of chaotic characteristics by classical and quantum machine learning [0.0]
  変動量子回路は、長期記憶よりも高い精度で長期特性を再現できることを示す。 以上の結果から,量子回路モデルは過適合を緩和し,高い精度と安定性を達成できる可能性が示唆された。
  論文  参考訳（メタデータ） (2024-05-14T10:12:47Z)
• Tempered Calculus for ML: Application to Hyperbolic Model Embedding [70.61101116794549]
  MLで使用されるほとんどの数学的歪みは、本質的に自然界において積分的である。 本稿では,これらの歪みを改善するための基礎的理論とツールを公表し,機械学習の要件に対処する。 我々は、最近MLで注目を集めた問題、すなわち、ハイパーボリック埋め込みを「チープ」で正確なエンコーディングで適用する方法を示す。
  論文  参考訳（メタデータ） (2024-02-06T17:21:06Z)
• Variational Monte Carlo on a Budget -- Fine-tuning pre-trained Neural Wavefunctions [5.145741425164946]
  深層学習に基づく変分モンテカルロ(DL-VMC)は、最近、精度の点で従来の手法よりも優れているが、計算コストが大きい。 本稿では,大規模かつ化学的に多様な分子集合上での自己教師付き波動関数最適化を用いたDL-VMCモデルを提案する。 このモデルを最適化せずに新しい分子に適用すると、波動関数や絶対エネルギーが得られ、CCSD(T)-2Zのような確立された手法よりも優れる。
  論文  参考訳（メタデータ） (2023-07-15T09:56:22Z)
• Additive Multi-Index Gaussian process modeling, with application to multi-physics surrogate modeling of the quark-gluon plasma [1.7368964547487395]
  クォーク・グルーオンプラズマ(Quark-Gluon Plasma、QGP)は、ビッグバンの直後に宇宙を埋めたと理論化されている核物質のユニークな相である。 実験観測対象を理論パラメータで整合させるためには、高次元のパラメータ空間上での複雑な物理モデルの多くのシミュレーション実行が必要である。 本稿では,パラメータ空間の低次元埋め込みに柔軟な加法構造を利用するAdMIn-GP(Adjectitive Multi-Index Gaussian Process)モデルを提案する。
  論文  参考訳（メタデータ） (2023-06-11T02:42:09Z)
• Towards Convergence Rates for Parameter Estimation in Gaussian-gated Mixture of Experts [40.24720443257405]
  ガウスゲートMOEモデルにおける最大推定値(MLE)の収束解析を行う。 以上の結果から,MLEはガウスゲーティング関数の位置パラメータの2つの相補的な設定の下で異なる挙動を示すことが明らかとなった。 特に、これらの挙動は2つの異なる方程式系の可解性によって特徴づけられる。
  論文  参考訳（メタデータ） (2023-05-12T16:02:19Z)
• Learning Neural Constitutive Laws From Motion Observations for Generalizable PDE Dynamics [97.38308257547186]
  多くのNNアプローチは、支配的PDEと物質モデルの両方を暗黙的にモデル化するエンドツーエンドモデルを学ぶ。 PDEの管理はよく知られており、学習よりも明示的に実施されるべきである、と私たちは主張する。 そこで我々は,ネットワークアーキテクチャを利用したニューラル構成則(Neural Constitutive Laws,NCLaw)と呼ばれる新しいフレームワークを導入する。
  論文  参考訳（メタデータ） (2023-04-27T17:42:24Z)
• On the Generalization and Adaption Performance of Causal Models [99.64022680811281]
  異なる因果発見は、データ生成プロセスを一連のモジュールに分解するために提案されている。 このようなモジュラニューラル因果モデルの一般化と適応性能について検討する。 我々の分析では、モジュラーニューラル因果モデルが、低データレギュレーションにおけるゼロおよび少数ショットの適応において、他のモデルよりも優れていることを示している。
  論文  参考訳（メタデータ） (2022-06-09T17:12:32Z)
• Post-mortem on a deep learning contest: a Simpson's paradox and the complementary roles of scale metrics versus shape metrics [61.49826776409194]
  我々は、ニューラルネットワーク(NN)モデルの一般化精度を予測するために、コンテストで公に利用可能にされたモデルのコーパスを分析する。 メトリクスが全体としてよく機能するが、データのサブパーティションではあまり機能しない。 本稿では,データに依存しない2つの新しい形状指標と,一連のNNのテスト精度の傾向を予測できるデータ依存指標を提案する。
  論文  参考訳（メタデータ） (2021-06-01T19:19:49Z)
• Generalized Matrix Factorization: efficient algorithms for fitting generalized linear latent variable models to large data arrays [62.997667081978825]
  一般化線形潜在変数モデル(GLLVM)は、そのような因子モデルを非ガウス応答に一般化する。 GLLVMのモデルパラメータを推定する現在のアルゴリズムは、集約的な計算を必要とし、大規模なデータセットにスケールしない。 本稿では,GLLVMを高次元データセットに適用するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-06T04:28:19Z)
• Certified variational quantum algorithms for eigenstate preparation [0.0]
  我々は変分アルゴリズムの終了を認証する手段を開発する。 逆場イジングモデル、競合する相互作用を持つ1次元スピンレスフェルミオンのモデル、量子電磁力学のシュウィンガーモデルという3つのモデルに適用することで、我々のアプローチを実証する。
  論文  参考訳（メタデータ） (2020-06-23T18:00:00Z)
• Exact representations of many body interactions with RBM neural networks [77.34726150561087]
  我々は、RBMの表現力を利用して、多体接触相互作用を1体演算子に正確に分解する。 この構成は、ハバードモデルでよく知られたヒルシュの変換を、核物理学におけるピオンレスFTのようなより複雑な理論に一般化する。
  論文  参考訳（メタデータ） (2020-05-07T15:59:29Z)

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。