論文の概要: Locality of the windowed local density of states
- arxiv url: http://arxiv.org/abs/2101.00272v2
- Date: Wed, 14 Apr 2021 19:30:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-18 03:42:21.148555
- Title: Locality of the windowed local density of states
- Title（参考訳）: 状態の窓付き局所密度の局所性
- Authors: Terry A. Loring, Jianfeng Lu, and Alexander B. Watson
- Abstract要約: 我々は、状態の局所密度(wLDOS)と呼ばれる位置とエネルギーに関して「ウィンドウ化」された状態の局所密度の一般化を導入する。
我々は、wLDOSは、ハミルトニアン系の空間的切り離しを用いて、任意に小さな誤差まで計算できるという意味で局所的であることを証明した。
- 参考スコア（独自算出の注目度）: 67.87561144284038
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce a generalization of local density of states which is "windowed"
with respect to position and energy, called the windowed local density of
states (wLDOS). This definition generalizes the usual LDOS in the sense that
the usual LDOS is recovered in the limit where the position window captures
individual sites and the energy window is a delta distribution. We prove that
the wLDOS is local in the sense that it can be computed up to arbitrarily small
error using spatial truncations of the system Hamiltonian. Using this result we
prove that the wLDOS is well-defined and computable for infinite systems
satisfying some natural assumptions. We finally present numerical computations
of the wLDOS at the edge and in the bulk of a "Fibonacci SSH model", a
one-dimensional non-periodic model with topological edge states.
- Abstract（参考訳）: 本研究では, 状態の窓付き局所密度 (winded local density of states, wldos) と呼ばれる, 状態とエネルギーに関して「ウィンドウド」である状態の局所密度の一般化を提案する。
この定義は、位置ウィンドウが個々のサイトを捕捉し、エネルギーウィンドウがデルタ分布である極限において、通常のLDOSが回復されるという意味で、通常のLDOSを一般化する。
我々は、wLDOSは、ハミルトニアン系の空間的切り離しを用いて任意の小さな誤差まで計算できるという意味で局所的であることを証明した。
この結果を用いて、wLDOSは自然の仮定を満たす無限系に対して十分に定義され計算可能であることを証明した。
我々は最終的に、位相的エッジ状態を持つ一次元非周期モデルである"Fibonacci SSH Model"のエッジおよびバルクにおけるwLDOSの数値計算を行う。
関連論文リスト
- l_inf-approximation of localized distributions [11.211950982996784]
本研究では,近似分布の辺に有界な次元独立誤差を確立する。
近似誤差の次元依存性を回避できるだけでなく,計算コストを大幅に削減する,局所化確率インフォームド部分空間法と局所化スコアマッチングの使い方を示す。
論文 参考訳（メタデータ） (2024-10-15T16:47:05Z) - LDReg: Local Dimensionality Regularized Self-Supervised Learning [31.0201280709395]
次元崩壊は「埋没」現象としても知られ、下流のタスクにおける劣化したパフォーマンスの主要な原因の1つである。
これまでの研究は、SSLのグローバルレベルでの次元的崩壊問題を調査してきた。
我々は,$textitlocal dimensionality regularization (LDReg) という手法を提案する。
論文 参考訳（メタデータ） (2024-01-19T03:50:19Z) - Information flow and Laplacian dynamics on local optima networks [0.0]
ローカルオプティマネットワーク(LON)の新しい手法を提案する。
ノードは局所最適であり、エッジはそれらの間の検索遷移である。
論文 参考訳（メタデータ） (2024-01-17T14:12:16Z) - Stacked tree construction for free-fermion projected entangled pair
states [0.6144680854063939]
本稿では,指数関数的局所化ワニエ関数を補うことによる記述を許容する自由フェルミオン状態に対するPEPS表現を構築するための分割・コンカレント手法を提案する。
正方格子上の閉塞原子絶縁体の基底状態を含む1次元と2次元の状態の構成を実証する。
論文 参考訳（メタデータ） (2023-08-18T08:13:35Z) - Shor-Laflamme distributions of graph states and noise robustness of
entanglement [0.8563354084119061]
量子状態のショア・ラフラム分布(英: Shor-Laflamme distribution、SLD)は、局所的なユニタリ不変量の集合であり、$k$ボディの相関を定量化する。
グラフ理論問題を解くことにより,グラフ状態のSLDを導出できることを示す。
クラスター状態の場合、SLDは二項分布と非常によく似ており、この性質は一般にグラフ状態に典型的であると論じる。
論文 参考訳（メタデータ） (2022-07-15T18:00:02Z) - Threshold size for the emergence of a classical-like behaviour [68.8204255655161]
システムを古典的な記述に適応できる最小サイズを推定する手法を設計する。
磁気システムの特定のケースについて検討し、ゲダンケン実験の詳細を提示し、徹底的にコメントする。
論文 参考訳（メタデータ） (2022-03-25T11:31:14Z) - A Closed-Form Solution to Local Non-Rigid Structure-from-Motion [107.60023055615302]
広く適用可能な仮定の下では、曲面正規化の観点から新しい方程式系を導出できることが示される。
2つ以上のビューから得られた再構成は、最先端の手法よりもはるかに正確です。
論文 参考訳（メタデータ） (2020-11-23T17:26:19Z) - Zero-Shot Multi-View Indoor Localization via Graph Location Networks [66.05980368549928]
屋内ローカライゼーションは、位置ベースアプリケーションにおける基本的な問題である。
本稿では,インフラストラクチャフリーで多視点画像に基づく屋内ローカライゼーションを実現するために,新しいニューラルネットワークアーキテクチャであるGraph Location Networks(GLN)を提案する。
GLNは、メッセージパッシングネットワークを通じて画像から抽出されたロバストな位置表現に基づいて位置予測を行う。
新たにゼロショット屋内ローカライズ設定を導入し,提案したGLNを専用ゼロショットバージョンに拡張することで,その課題に対処する。
論文 参考訳（メタデータ） (2020-08-06T07:36:55Z) - LRC-Net: Learning Discriminative Features on Point Clouds by Encoding
Local Region Contexts [65.79931333193016]
本稿では,LRC-Net(Local-Region-Context Network)を提案する。
LRC-Netは、局所領域内および周辺領域間の微粒なコンテキストを同時に符号化する。
その結果, LRC-Netは形状分類や形状分割の応用において最先端の手法と競合することがわかった。
論文 参考訳（メタデータ） (2020-03-18T14:34:08Z) - From Open Set to Closed Set: Supervised Spatial Divide-and-Conquer for
Object Counting [84.23313278891568]
本研究では,空間分割コンカレントネットワーク(SS-DCNet)の概念を導入し,オープンセットカウントをクローズドセット問題に変換する。
SS-DCNetはクローズドセットからしか学べないが、S-DCを介してオープンセットシナリオにうまく一般化できる。
本稿では, 理論解析と玩具データの制御実験を行い, クローズド・セット・モデリングがなぜ意味を持つのかを実証する。
論文 参考訳（メタデータ） (2020-01-07T04:36:53Z)
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。