論文の概要: Probability-Density-Based Deep Learning Paradigm for the Fuzzy Design of
Functional Metastructures
- arxiv url: http://arxiv.org/abs/2011.05516v1
- Date: Wed, 11 Nov 2020 02:22:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-27 00:24:00.501253
- Title: Probability-Density-Based Deep Learning Paradigm for the Fuzzy Design of
Functional Metastructures
- Title(参考訳): 関数型メタ構造のファジィ設計のための確率密度に基づくディープラーニングパラダイム
- Authors: Ying-Tao Luo, Peng-Qi Li, Dong-Ting Li, Yu-Gui Peng, Zhi-Guo Geng,
Shu-Huan Xie, Yong Li, Andrea Alu, Jie Zhu, Xue-Feng Zhu
- Abstract要約: 量子力学において、ノルム二乗波動関数は、与えられた位置または運動量で測定される粒子の確率を記述する確率密度として解釈することができる。
本稿では,機能的メタ構造のファジィ設計のための確率密度に基づくディープラーニングパラダイムを提案する。
- 参考スコア(独自算出の注目度): 6.437896705894243
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In quantum mechanics, a norm squared wave function can be interpreted as the
probability density that describes the likelihood of a particle to be measured
in a given position or momentum. This statistical property is at the core of
the fuzzy structure of microcosmos. Recently, hybrid neural structures raised
intense attention, resulting in various intelligent systems with far-reaching
influence. Here, we propose a probability-density-based deep learning paradigm
for the fuzzy design of functional meta-structures. In contrast to other
inverse design methods, our probability-density-based neural network can
efficiently evaluate and accurately capture all plausible meta-structures in a
high-dimensional parameter space. Local maxima in probability density
distribution correspond to the most likely candidates to meet the desired
performances. We verify this universally adaptive approach in but not limited
to acoustics by designing multiple meta-structures for each targeted
transmission spectrum, with experiments unequivocally demonstrating the
effectiveness and generalization of the inverse design.
- Abstract(参考訳): 量子力学において、ノルム二乗波動関数は、与えられた位置または運動量で測定される粒子の確率を記述する確率密度として解釈することができる。
この統計的性質はマイクロコスモスのファジィ構造の中核にある。
近年、ハイブリッド・ニューラル構造が注目され、様々なインテリジェントなシステムが広範囲に影響を及ぼした。
本稿では,関数型メタ構造のファジィ設計のための確率密度に基づくディープラーニングパラダイムを提案する。
他の逆設計法とは対照的に、我々の確率密度に基づくニューラルネットワークは、高次元パラメータ空間における全ての可塑性メタ構造を効率的に評価し、正確に捉えることができる。
確率密度分布の局所最大値は、所望のパフォーマンスを満たす最も可能性の高い候補に対応する。
対象の伝送スペクトルごとに複数のメタ構造を設計し,逆設計の有効性と一般化を具体的に示さない実験を行い,この普遍的適応アプローチを音響に限定するものではないことを検証する。
関連論文リスト
- Spectral chaos bounds from scaling theory of maximally efficient
quantum-dynamical scrambling [49.1574468325115]
複雑な量子系のエルゴード定常状態への進化に関する重要な予想は、スクランブルとして知られるこの過程が最も効率的であるときに普遍的な特徴を取得することである。
このシナリオでは、完全なスクランブルダイナミクスに沿ったスペクトル相関の正確な自己相似性を具現化して、スペクトル統計量に対する単一パラメータスケーリング理論を開発する。
スケーリング予測は特権プロセスで一致し、他の動的スクランブルシナリオのバウンダリとして機能し、すべてのタイムスケールで非効率または不完全なスクランブルを定量化できるようにする。
論文 参考訳(メタデータ) (2023-10-17T15:41:50Z) - Kernel Density Matrices for Probabilistic Deep Learning [5.524804393257921]
量子力学において、密度行列は量子系の状態を記述する最も一般的な方法である。
本稿では,確率的深層学習,カーネル密度行列に対する新しいアプローチを提案する。
これは連続確率変数と離散確率変数の両方の結合確率分布を表現するためのより単純で効果的なメカニズムを提供する。
論文 参考訳(メタデータ) (2023-05-26T12:59:58Z) - Spectral functions and localization landscape theory in speckle
potentials [0.0]
障害ポテンシャルのスペクトル関数を計算するための新しい手法を提案する。
この近似に基づいて、ランドスケープに基づく有効ポテンシャルのみを用いてスペクトル関数を計算する方法を提案する。
本稿では, パラメータの調整を必要とせず, 様々な統計特性を持つ乱ポテンシャルに対する提案手法の有効性を実証する。
論文 参考訳(メタデータ) (2021-11-25T16:21:32Z) - EBM-Fold: Fully-Differentiable Protein Folding Powered by Energy-based
Models [53.17320541056843]
本研究では,データ駆動型生成ネットワークを用いたタンパク質構造最適化手法を提案する。
EBM-Foldアプローチは,従来のロゼッタ構造最適化ルーチンと比較して,高品質なデコイを効率よく生成できる。
論文 参考訳(メタデータ) (2021-05-11T03:40:29Z) - Learning with Density Matrices and Random Features [62.997667081978825]
密度行列は、量子系の統計状態を記述する。
本稿では,機械学習モデル構築のためのビルディングブロックとして,密度行列をどのように利用できるかを検討する。
論文 参考訳(メタデータ) (2021-02-08T17:54:59Z) - Probing the topological Anderson transition with quantum walks [48.7576911714538]
光線形ネットワークにおける1次元量子ウォークについて考察する。
ウォーカーの確率分布を直接監視するオプションは、この光学プラットフォームを1次元トポロジカルアンダーソン転移のユニークなシグネチャの実験的観察に最適である。
論文 参考訳(メタデータ) (2021-02-01T21:19:15Z) - Probabilistic electric load forecasting through Bayesian Mixture Density
Networks [70.50488907591463]
確率的負荷予測(PLF)は、スマートエネルギーグリッドの効率的な管理に必要な拡張ツールチェーンの重要なコンポーネントです。
ベイジアン混合密度ネットワークを枠とした新しいPLFアプローチを提案する。
後方分布の信頼性と計算にスケーラブルな推定を行うため,平均場変動推定と深層アンサンブルを統合した。
論文 参考訳(メタデータ) (2020-12-23T16:21:34Z) - A Quantum-Inspired Probabilistic Model for the Inverse Design of
Meta-Structures [1.088579703049835]
量子力学において、ノルム二乗波動関数は、与えられた位置または運動量で測定される粒子の確率を記述する確率密度として解釈することができる。
本稿では,機能的メタ構造の逆設計のための確率論的深層学習パラダイムを提案する。
論文 参考訳(メタデータ) (2020-11-11T02:09:10Z) - General stochastic separation theorems with optimal bounds [68.8204255655161]
分離性の現象が明らかになり、機械学習で人工知能(AI)システムのエラーを修正し、AI不安定性を分析するために使用された。
エラーやエラーのクラスタは、残りのデータから分離することができる。
AIシステムを修正する能力は、それに対する攻撃の可能性も開き、高次元性は、同じ分離性によって引き起こされる脆弱性を誘発する。
論文 参考訳(メタデータ) (2020-10-11T13:12:41Z) - Autoregressive Neural Network for Simulating Open Quantum Systems via a
Probabilistic Formulation [3.886883839410292]
オープン量子システムのダイナミクスに対処するためのアプローチを提案する。
フォワード・バック・タペソイド法を用いて、リウヴィリア超作用素の力学をシミュレートし、変分定式化により定常状態を求める。
本稿では,自己回帰型ニューラルネットワークの対称性を部分的に復元し,局所相関の記述を改善する改良された文字列状態(String States)を導入する。
論文 参考訳(メタデータ) (2020-09-11T18:00:00Z) - Stolen Probability: A Structural Weakness of Neural Language Models [20.180492071526697]
NNLMは、高次元埋め込み空間において、全ての単語ベクトルで予測ベクトルのドット積を取ることによって形成される距離メートル法にソフトマックス関数を適用して確率分布を生成する。
この結果、確率を割り当てる際、他の単語を犠牲にして構造的に不当に表現する埋め込み空間の準最適順序が導かれることを示す。
論文 参考訳(メタデータ) (2020-05-05T18:40:32Z)
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。