論文の概要: Approach to the cellular automaton interpretation with deep learning
- arxiv url: http://arxiv.org/abs/2012.06441v5
- Date: Thu, 1 Sep 2022 14:13:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-21 05:27:04.652311
- Title: Approach to the cellular automaton interpretation with deep learning
- Title（参考訳）: 深層学習を用いたセルオートマトン解釈へのアプローチ
- Authors: Hyunju Go
- Abstract要約: セルオートマトン解釈(CAI)に基づく基礎物理学理論を学習できる機械学習システムについて検討する。
このシステムの時間進化法則を,ある例として計算したデータセットのみを用いて学習する,畳み込みニューラルネットワーク(CNN)アーキテクチャが存在することを示す。
- 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: In this paper, we will consider the machine learning system that can learn
fundamental physics theory based on cellular automaton interpretation (CAI).
First, assuming that we can calculate the time-evolved cellular automaton (CA)
for any initial CA by knowing the time-evolution law of the given system, we
will show that there exists a convolutional neural network (CNN) architecture
that can learn the time-evolution law of this system with only the calculated
data set for a certain example. Finding a CNN architecture that can learn CA is
equivalent to showing that a time-varying time-evolution operator can be
represented as a finite composition of time-independent linear functions and
ReLU type non-linear functions. As a concrete example, block CA, which is time
reversible and expressed as a matrix multiplication that changes with time,
will be used as the time-evolution law, and the CNN architecture that can learn
this evolution law will be proposed. However, by the universal approximation
theorem, even with data of arbitrary quantum systems, if the depth of the
network is deep enough, a CNN architecture that can learn actual rules can be
found, regardless of the Hamiltonian, and therefore, the time-evolution law can
be consistently expressed as a CNN. Also, since the convolution layer can be
expressed in a covariant form, it could be helpful to find a CNN architecture
that can learn the evolution law for a data set that includes gravity.
Meanwhile, it will be shown that if the activation function of the first and
last hidden layer is bypass, the CNN can be trained to include the
corresponding part of the probabilistic interpretation in conventional quantum
mechanics. Finally, for the CA model in which the dimensional reduction in
quantum gravity is first presented, we will discuss the CNN architecture that
can find the non-trivial evolution law in a deductive way.
- Abstract（参考訳）: 本稿では,セルオートマトン解釈(CAI)に基づいて基礎物理理論を学習できる機械学習システムについて考察する。
まず,任意の初期CAの時間進化型セルオートマトン(CA)を,与えられたシステムの時間進化法則を知ることによって計算できると仮定すると,ある例として計算されたデータセットのみを用いて,このシステムの時間進化法則を学習できる畳み込みニューラルネットワーク(CNN)アーキテクチャが存在することを示す。
caを学べるcnnアーキテクチャを見つけることは、時間変化の時間発展作用素が時間に依存しない線型関数とrelu型非線形関数の有限合成として表現できることを示すのと同値である。
具体的な例として、時間的に可逆であり、時間とともに変化する行列乗法として表されるブロックCAが時間進化法則として使用され、この進化法則を学習できるCNNアーキテクチャが提案される。
しかし、普遍近似定理によれば、任意の量子系のデータであっても、ネットワークの深さが十分に深いならば、ハミルトニアンによらず実際のルールを学習できるcnnアーキテクチャを見つけることができ、したがって時間発展法則は一貫してcnnとして表現することができる。
また、畳み込み層は共変形式で表現できるので、重力を含むデータセットの進化則を学ぶことができるcnnアーキテクチャを見つけるのに役立つかもしれない。
一方、第1層と第2層の活性化関数がバイパスされた場合、CNNは従来の量子力学において確率論的解釈の対応する部分を含むように訓練することができる。
最後に、量子重力の次元的減少が最初に提示されるCAモデルについて、非自明な進化則を導出的に見つけることができるCNNアーキテクチャについて論じる。
関連論文リスト
- Celestial Quantum Error Correction I: Qubits from Noncommutative Klein
Space [0.0]
2次元CFTによるホログラム記述は、そのような冗長性は期待できない。
第1部では、Kleinian hyperk"ahler 時空における非可換幾何学を再考することにより、有限自由度を持つおもちゃモデルを構築している。
符号部分空間は、ソフトな時空変動の下で頑健な2量子安定化状態からなる。
論文 参考訳（メタデータ） (2023-12-26T19:07:02Z) - Temporal Entanglement in Chaotic Quantum Circuits [62.997667081978825]
空間進化(または時空双対性)の概念は量子力学を研究するための有望なアプローチとして現れている。
時間的絡み合いは常に時間における体積法則に従うことを示す。
この時間的絡み合いスペクトルの予期せぬ構造は、空間進化の効率的な計算実装の鍵となるかもしれない。
論文 参考訳（メタデータ） (2023-02-16T18:56:05Z) - Continuous percolation in a Hilbert space for a large system of qubits [58.720142291102135]
パーコレーション遷移は無限クラスターの出現によって定義される。
ヒルベルト空間の指数的に増加する次元性は、有限サイズの超球面による被覆を非効率にすることを示す。
コンパクトな距離空間におけるパーコレーション遷移への我々のアプローチは、他の文脈での厳密な処理に有用である。
論文 参考訳（メタデータ） (2022-10-15T13:53:21Z) - Simulating scalar field theories on quantum computers with limited
resources [62.997667081978825]
量子ビットコンピュータ上での格子スカラー場理論を実装するための量子アルゴリズムを提案する。
このアルゴリズムは、通常の対称性相と壊れた対称性相の両方において、幅広い入力パラメータの効率的な$phi4$状態の準備を可能にする。
論文 参考訳（メタデータ） (2022-10-14T17:28:15Z) - Learning to Accelerate Partial Differential Equations via Latent Global
Evolution [64.72624347511498]
The Latent Evolution of PDEs (LE-PDE) is a simple, fast and scalable method to accelerate the simulation and inverse optimization of PDEs。
我々は,このような潜在力学を効果的に学習し,長期的安定性を確保するために,新たな学習目標を導入する。
更新対象の寸法が最大128倍、速度が最大15倍向上し、競争精度が向上した。
論文 参考訳（メタデータ） (2022-06-15T17:31:24Z) - Rapidity evolution of the entanglement entropy in quarkonium: parton and
string duality [0.23204178451683263]
クォーコニウムのソフトグルーオン波動関数の速さ空間における量子絡みについて検討する。
急激な進化は摂動理論の任意の順序で、絡み合いエントロピーの挙動を劇的に変化させる。
論文 参考訳（メタデータ） (2022-03-01T20:52:28Z) - Fractal, logarithmic and volume-law entangled non-thermal steady states
via spacetime duality [0.0]
一方の空間と時間の間の双対変換と他方のユニタリティと非ユニタリティが、非ユニタリー力学の定常状態相を実現するためにどのように使用できるかを示す。
カオス的ユニタリ回路の時空双対では、この写像は非熱的体積-負の絡み合った位相を発見できる。
また、エンフラクタルエンタングルメントスケーリングによる新しい定常相も見いだす。
論文 参考訳（メタデータ） (2021-03-11T18:57:29Z) - Quantum speed limits for time evolution of a system subspace [77.34726150561087]
本研究では、単一状態ではなく、シュローディンガー進化の対象となる系の状態全体の(おそらく無限次元の)部分空間に関心を持つ。
我々は、フレミング境界の自然な一般化と見なされるような、そのような部分空間の進化速度の最適推定を導出する。
論文 参考訳（メタデータ） (2020-11-05T12:13:18Z) - The first law of differential entropy and holographic complexity [0.0]
三次元AdS時空における球面因果ダイヤモンドの第1法則のCFT双対を構成する。
真空状態と円錐AdSに双対な励起状態に対する微分エントロピーと複雑性を明示的に計算する。
論文 参考訳（メタデータ） (2020-08-28T14:19:11Z) - Multidimensional dark space and its underlying symmetries: towards
dissipation-protected qubits [62.997667081978825]
我々は、環境との制御された相互作用が、デコヒーレンスに対する免疫である「エム・ダーク」と呼ばれる状態を作り出すのに役立つことを示している。
暗黒状態の量子情報を符号化するには、次元が1より大きい空間にまたがる必要があるため、異なる状態が計算基底として機能する。
このアプローチは、オープンシステム内の量子情報を保存、保護、操作する新たな可能性を提供します。
論文 参考訳（メタデータ） (2020-02-01T15:57:37Z)
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。