論文の概要: Signatures of Chaos in Non-integrable Models of Quantum Field Theory
- arxiv url: http://arxiv.org/abs/2012.08505v2
- Date: Thu, 1 Apr 2021 09:15:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-20 18:55:33.390476
- Title: Signatures of Chaos in Non-integrable Models of Quantum Field Theory
- Title（参考訳）: 量子場理論の非可積分モデルにおけるカオスのシグネチャ
- Authors: Miha Srdinsek, Tomaz Prosen, Spyros Sotiriadis
- Abstract要約: 1+1)D量子場理論(QFT)モデルにおける量子カオスのシグネチャについて検討する。
我々は、二重正弦ガードンに焦点をあて、巨大な正弦ガードンと$phi4$モデルの研究も行っている。
- 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: We study signatures of quantum chaos in (1+1)D Quantum Field Theory (QFT)
models. Our analysis is based on the method of Hamiltonian truncation, a
numerical approach for the construction of low-energy spectra and eigenstates
of QFTs that can be considered as perturbations of exactly solvable models. We
focus on the double sine-Gordon, also studying the massive sine-Gordon and
${\phi^4}$ model, all of which are non-integrable and can be studied by this
method with sufficiently high precision from small to intermediate perturbation
strength. We analyze the statistics of level spacings and of eigenvector
components, both of which are expected to follow Random Matrix Theory
predictions. While level spacing statistics are close to the Gaussian
Orthogonal Ensemble as expected, on the contrary, the eigenvector components
follow a distribution markedly different from the expected Gaussian. Unlike in
the typical quantum chaos scenario, the transition of level spacing statistics
to chaotic behaviour takes place already in the perturbative regime. On the
other hand, the distribution of eigenvector components does not appear to
change or approach Gaussian behaviour, even for relatively large perturbations.
Moreover, our results suggest that these features are independent of the choice
of model and basis.
- Abstract（参考訳）: 1+1)D量子場理論(QFT)モデルにおける量子カオスのシグネチャについて検討する。
解析は,QFTの低エネルギースペクトルと固有状態を構築するための数値的手法であるハミルトン・トランケーションの手法に基づいており,これは正確に解けるモデルの摂動と見なすことができる。
両シネゴルドンに焦点をあて、また、巨大なシネゴルドンと${\phi^4}$モデルも検討し、これらは全て非可積分であり、この方法では小から中間の摂動強度から十分に高精度に研究することができる。
本研究では,乱数行列理論の予測に従うことが期待される固有ベクトル成分とレベル間隔の統計解析を行う。
レベルスペーシング統計は予想通りガウス直交アンサンブルに近いが、逆に固有ベクトル成分は期待されるガウスアンサンブルとは著しく異なる分布に従う。
典型的な量子カオスのシナリオとは異なり、レベル間隔統計からカオス的行動への移行はすでに摂動状態にある。
一方、固有ベクトル成分の分布は比較的大きな摂動であってもガウス的挙動を変化させたり近づいたりしないように見える。
さらに,これらの特徴はモデルや基礎の選択とは無関係であることが示唆された。
関連論文リスト
- Relaxation Fluctuations of Correlation Functions: Spin and Random Matrix Models [0.0]
本稿では,量子カオスの診断尺度として,ある相関関数の変動平均と分散について検討する。
モデルの3つの異なる位相(エルゴード相、フラクタル相、局所化相)を同定する。
論文 参考訳（メタデータ） (2024-07-31T14:45:46Z) - Scaling and renormalization in high-dimensional regression [72.59731158970894]
本稿では,様々な高次元リッジ回帰モデルの訓練および一般化性能の簡潔な導出について述べる。
本稿では,物理と深層学習の背景を持つ読者を対象に,これらのトピックに関する最近の研究成果の紹介とレビューを行う。
論文 参考訳（メタデータ） (2024-05-01T15:59:00Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳（メタデータ） (2023-04-08T07:55:36Z) - Regularized Vector Quantization for Tokenized Image Synthesis [126.96880843754066]
画像の離散表現への量子化は、統合生成モデリングにおける根本的な問題である。
決定論的量子化は、厳しいコードブックの崩壊と推論段階の誤調整に悩まされ、一方、量子化は、コードブックの利用率の低下と再構築の目的に悩まされる。
本稿では、2つの視点から正規化を適用することにより、上記の問題を効果的に緩和できる正規化ベクトル量子化フレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-11T15:20:54Z) - Learning Graphical Factor Models with Riemannian Optimization [70.13748170371889]
本稿では,低ランク構造制約下でのグラフ学習のためのフレキシブルなアルゴリズムフレームワークを提案する。
この問題は楕円分布のペナルティ化された最大推定値として表される。
楕円モデルによく適合する正定行列と定ランクの正半定行列のジオメトリを利用する。
論文 参考訳（メタデータ） (2022-10-21T13:19:45Z) - Leave-one-out Singular Subspace Perturbation Analysis for Spectral
Clustering [7.342677574855651]
特異部分空間摂動理論は確率と統計において基本的な重要性を持つ。
2つの任意の行列を考え、一方はもう一方の行列の1カラムアウト部分行列である。
混合モデルに適しており、ウェディンの定理のような古典的な摂動境界よりも鋭く、より詳細な統計解析をもたらす。
論文 参考訳（メタデータ） (2022-05-30T05:07:09Z) - A Random Matrix Perspective on Random Tensors [40.89521598604993]
与えられたランダムテンソルの収縮から生じるランダム行列のスペクトルについて検討する。
本手法は,ML問題の局所的な最大値の未知な特徴を与える。
我々のアプローチは万能であり、非対称、非ガウス的、高階的など他のモデルにも拡張できる。
論文 参考訳（メタデータ） (2021-08-02T10:42:22Z) - Spectral clustering under degree heterogeneity: a case for the random
walk Laplacian [83.79286663107845]
本稿では,ランダムウォークラプラシアンを用いたグラフスペクトル埋め込みが,ノード次数に対して完全に補正されたベクトル表現を生成することを示す。
次数補正ブロックモデルの特別な場合、埋め込みはK個の異なる点に集中し、コミュニティを表す。
論文 参考訳（メタデータ） (2021-05-03T16:36:27Z) - Long-range level correlations in quantum systems with finite Hilbert
space dimension [0.0]
有限ヒルベルト空間を持つ量子系のスペクトル統計学を研究する。
我々は、そのような系の固有レベルが全世界的に無相関であることを示す定理を導出する。
論文 参考訳（メタデータ） (2020-10-13T15:49:15Z) - Non-asymptotic Optimal Prediction Error for Growing-dimensional
Partially Functional Linear Models [0.951828574518325]
予測誤差の最大値と最大値の上限を示す。
過剰な予測リスクの正確な上限は、非漸近的な形で示される。
モデルのKulback-Leibler分散の正則性仮定の下で、非漸近ミニマックス下界を導出する。
論文 参考訳（メタデータ） (2020-09-10T08:49:32Z) - Multiplicative noise and heavy tails in stochastic optimization [62.993432503309485]
経験的最適化は現代の機械学習の中心であるが、その成功における役割はまだ不明である。
分散による離散乗法雑音のパラメータによく現れることを示す。
最新のステップサイズやデータを含む重要な要素について、詳細な分析を行い、いずれも最先端のニューラルネットワークモデルで同様の結果を示す。
論文 参考訳（メタデータ） (2020-06-11T09:58:01Z)
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。