Fugu-MT 論文翻訳(概要): Generating Function for Tensor Network Diagrammatic Summation

論文の概要: Generating Function for Tensor Network Diagrammatic Summation

arxiv url: http://arxiv.org/abs/2101.03935v2
Date: Fri, 28 May 2021 15:41:01 GMT
ステータス: 処理完了
システム内更新日: 2023-04-17 02:41:36.411796
Title: Generating Function for Tensor Network Diagrammatic Summation
Title（参考訳）: テンソルネットワークダイアグラム要約のための生成関数
Authors: Wei-Lin Tu, Huan-Kuang Wu, Norbert Schuch, Naoki Kawashima, Ji-Yao Chen
Abstract要約: ダイアグラム和を先行級数展開係数としてエンコードする生成関数の集合を導入する。量子スピンチェーンの変動励起状態と動的構造因子を計算して、このスキームを説明する。
参考スコア（独自算出の注目度）: 0.24499092754102875
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The understanding of complex quantum many-body systems has been vastly boosted by tensor network (TN) methods. Among others, excitation spectrum and long-range interacting systems can be studied using TNs, where one however confronts the intricate summation over an extensive number of tensor diagrams. Here, we introduce a set of generating functions, which encode the diagrammatic summations as leading order series expansion coefficients. Combined with automatic differentiation, the generating function allows us to solve the problem of TN diagrammatic summation. We illustrate this scheme by computing variational excited states and dynamical structure factor of a quantum spin chain, and further investigating entanglement properties of excited states. Extensions to infinite size systems and higher dimension are outlined.
Abstract（参考訳）: 複雑な量子多体系の理解はテンソルネットワーク(TN)法によって大幅に促進されている。中でも、励起スペクトルと長距離相互作用系は、tnsを用いて研究することができるが、しかしながら、広範囲のテンソル図形上の複雑な和に直面する。ここでは、図式的な和を先行級数展開係数としてエンコードする生成関数の集合を紹介する。自動微分と組み合わせることで、生成関数はTN図式和の問題を解くことができる。量子スピン鎖の変動励起状態と動的構造因子を計算し、さらに励起状態の絡み合い特性について検討する。無限大系と高次元への拡張について概説する。

関連論文リスト

Spectral complexity of deep neural networks [2.099922236065961]
我々は,ネットワークアーキテクチャの複雑さを特徴付けるために,制限場の角パワースペクトルを用いる。そこで我々は,ニューラルネットワークを低次,スパース,高次と分類する。本稿では,この分類が標準アクティベーション関数の様々な特徴,特にReLUネットワークの空間特性を如何に強調するかを示す。
論文参考訳（メタデータ） (2024-05-15T17:55:05Z)
Dynamics and Geometry of Entanglement in Many-Body Quantum Systems [0.0]
新しい枠組みは、多体量子系における絡み合いのダイナミクスを研究するために定式化されている。量子相関伝達関数(QCTF)は孤立特異点を持つ複素関数の新しい空間に変換される。 QCTFに基づく幾何学的記述は、多体絡みの理論的に明らかな側面を提供する。
論文参考訳（メタデータ） (2023-08-18T19:16:44Z)
Generating function for projected entangled-pair states [0.1759252234439348]
テンソルネットワークのダイアグラム和に対する生成関数アプローチを拡張した。一粒子励起の形で、生成関数形式において励起状態が効率的に計算可能であることを示す。我々は多粒子励起への一般化に関する議論を締めくくった。
論文参考訳（メタデータ） (2023-07-16T15:49:37Z)
Equivariant Graph Mechanics Networks with Constraints [83.38709956935095]
本稿では,グラフ力学ネットワーク(GMN)を提案する。 GMNは、一般化された座標により、構造体の前方運動学情報(位置と速度)を表す。大規模な実験は、予測精度、制約満足度、データ効率の観点から、最先端のGNNと比較してGMNの利点を支持する。
論文参考訳（メタデータ） (2022-03-12T14:22:14Z)
Decimation technique for open quantum systems: a case study with driven-dissipative bosonic chains [62.997667081978825]
量子系の外部自由度への不可避結合は、散逸(非単体)ダイナミクスをもたらす。本稿では,グリーン関数の(散逸的な)格子計算に基づいて,これらのシステムに対処する手法を提案する。本手法のパワーを,複雑性を増大させる駆動散逸型ボゾン鎖のいくつかの例で説明する。
論文参考訳（メタデータ） (2022-02-15T19:00:09Z)
A tensor network representation of path integrals: Implementation and analysis [0.0]
ファインマン・ヴァーノン効果関数を含む経路積分シミュレーションのテンソルネットワークに基づく新しい分解法を提案する。影響関数によって導入された有限の一時的な非局所相互作用は、行列積状態表現を用いて非常に効率的に捉えることができる。 AP-TNPIフレームワークの柔軟性により、非平衡量子力学のための経路積分法ファミリーに新たな期待が持てる。
論文参考訳（メタデータ） (2021-06-23T16:41:54Z)
Tensor Representations for Action Recognition [54.710267354274194]
シーケンスにおける人間の行動は、空間的特徴とその時間的ダイナミクスの複雑な相互作用によって特徴づけられる。アクション認識タスクの視覚的特徴間の高次関係を捉えるための新しいテンソル表現を提案する。我々は,高次テンソルといわゆる固有値パワー正規化(NEP)を用いて,高次事象のスペクトル検出を行う。
論文参考訳（メタデータ） (2020-12-28T17:27:18Z)
Continuous-in-Depth Neural Networks [107.47887213490134]
まず最初に、このリッチな意味では、ResNetsは意味のある動的でないことを示します。次に、ニューラルネットワークモデルが連続力学系を表現することを実証する。 ResNetアーキテクチャの詳細な一般化としてContinuousNetを紹介します。
論文参考訳（メタデータ） (2020-08-05T22:54:09Z)
Multipole Graph Neural Operator for Parametric Partial Differential Equations [57.90284928158383]
物理系をシミュレーションするためのディープラーニングベースの手法を使用する際の大きな課題の1つは、物理ベースのデータの定式化である。線形複雑度のみを用いて、あらゆる範囲の相互作用をキャプチャする、新しいマルチレベルグラフニューラルネットワークフレームワークを提案する。実験により, 離散化不変解演算子をPDEに学習し, 線形時間で評価できることを確認した。
論文参考訳（メタデータ） (2020-06-16T21:56:22Z)
Highly entangled spin chains and 2D quantum gravity [0.0]
モツキンとフレドキンのスピン鎖は、体積の平方根として異常な量の絡み合いのスケーリングを示す。 ABAB相互作用と呼ばれる大きなN行列モデルを導入し、相関関数は木と平面ファインマン図の絡み合いを再現する。
論文参考訳（メタデータ） (2020-05-01T07:43:57Z)
Supervised Learning for Non-Sequential Data: A Canonical Polyadic Decomposition Approach [85.12934750565971]
特徴相互作用の効率的なモデリングは、非順序的タスクに対する教師あり学習の基盤となる。この問題を緩和するため、モデルパラメータをテンソルとして暗黙的に表現することが提案されている。表現性を向上するため,任意の高次元特徴ベクトルに特徴写像を適用できるようにフレームワークを一般化する。
論文参考訳（メタデータ） (2020-01-27T22:38:40Z)

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。