論文の概要: Exploring phases of the Su-Schrieffer-Heeger model with tSNE

• arxiv url: http://arxiv.org/abs/2101.08704v3
• Date: Wed, 17 Mar 2021 17:57:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-14 08:39:24.160684
• Title: Exploring phases of the Su-Schrieffer-Heeger model with tSNE
• Title（参考訳）: tSNEを用いたSu-Schrieffer-Heegerモデルの探索
• Authors: R. M. Woloshyn
• Abstract要約: T分散近傍埋め込み(tSNE)は、Su-Schrieffer-Heegerモデルの位相図を明らかにするツールとして用いられる。 パラメータ空間の異なる点で計算されたブロッホベクトルを2次元還元空間にマッピングする。
• 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: T-distributed stochastic neighborhood embedding (tSNE) is used as a tool to reveal the phase diagram of the Su-Schrieffer-Heeger model and some of its extended and non-Hermitian variants. Bloch vectors calculated at different points in the parameter space are mapped to a two-dimensional reduced space. The clusters in the reduced space are used to visualize different phase regions included in the input. The tSNE mapping is shown to be effective even in the challenging case of the non-Hermitian extended model where five different phases are present. An example of using wavefunction input, instead of Bloch vectors, is presented also.
• Abstract（参考訳）: t-distributed stochastic neighborhood embedded (tsne) は、su-schrieffer-heegerモデルの位相図とその拡張および非ヘルミット変種のいくつかを明らかにするツールとして用いられる。 パラメータ空間の異なる点で計算されたブロッホベクトルを2次元還元空間にマッピングする。 削減された空間のクラスターは、入力に含まれる異なる位相領域を視覚化するために使用される。 tSNE写像は、5つの異なる位相が存在する非エルミート拡大モデルの挑戦例においても有効であることが示されている。 ブロッホベクトルの代わりに波動関数入力を使用する例も提示される。

関連論文リスト

• A Universal Model of Floquet Operator Krylov Space [0.0]
  任意の空間次元において、フロケユニタリの下での分光時間進化は、作用素 Krylov 空間に写像できることが示されている。 フロケ動力学は、フロケ TFIM の位相位相図におけるクリロフパラメータと等質結合との相違が特徴的である。
  論文  参考訳（メタデータ） (2023-11-25T20:57:43Z)
• Scaling Riemannian Diffusion Models [68.52820280448991]
  非自明な多様体上の高次元タスクにスケールできることを示す。 我々は、$SU(n)$格子上のQCD密度と高次元超球面上の対照的に学習された埋め込みをモデル化する。
  論文  参考訳（メタデータ） (2023-10-30T21:27:53Z)
• Geometric Neural Diffusion Processes [55.891428654434634]
  拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。 これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
  論文  参考訳（メタデータ） (2023-07-11T16:51:38Z)
• VTAE: Variational Transformer Autoencoder with Manifolds Learning [144.0546653941249]
  深層生成モデルは、多くの潜伏変数を通して非線形データ分布の学習に成功している。 ジェネレータの非線形性は、潜在空間がデータ空間の不満足な射影を示し、表現学習が不十分になることを意味する。 本研究では、測地学と正確な計算により、深部生成モデルの性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-04-03T13:13:19Z)
• Counting Phases and Faces Using Bayesian Thermodynamic Integration [77.34726150561087]
  本稿では,2パラメータ統計力学系における熱力学関数と位相境界の再構成手法を提案する。 提案手法を用いて,IsingモデルとTASEPの分割関数と位相図を正確に再構成する。
  論文  参考訳（メタデータ） (2022-05-18T17:11:23Z)
• Locality of Spontaneous Symmetry Breaking and Universal Spacing Distribution of Topological Defects Formed Across a Phase Transition [62.997667081978825]
  連続相転移は、KZM(Kybble-Zurek mechanism)によって予測される密度を伴う位相欠陥の形成をもたらす。 結果の非平衡状態における点状位相欠陥の空間分布を特徴付けるとともに、任意の空間次元のポアソン点過程をKZM密度でモデル化する。
  論文  参考訳（メタデータ） (2022-02-23T19:00:06Z)
• Constructing coarse-scale bifurcation diagrams from spatio-temporal observations of microscopic simulations: A parsimonious machine learning approach [0.0]
  本稿では,粗粒度分岐図構築のための3層計算手法を提案する。 学習多様体、特にパリモニアス写像を利用して、多様体の内在次元を同定する。 2つの機械学習スキームを用いて実効偏微分方程式(PDE)の右辺を学習する。
  論文  参考訳（メタデータ） (2022-01-31T16:21:31Z)
• Unsupervised Learning of Symmetry Protected Topological Phase Transitions [0.0]
  特に, これらの相に付随する相転移が, 1次元の異なるボソニックモデルとフェルミオンモデルで検出可能であることを示す。 提案手法は,SPTシステムに関連する位相遷移を検出するための安価な計算手法として機能する。
  論文  参考訳（メタデータ） (2021-11-16T19:34:16Z)
• Learning High-Dimensional Distributions with Latent Neural Fokker-Planck Kernels [67.81799703916563]
  低次元潜在空間におけるフォッカー・プランク方程式の解法として問題を定式化する新しい手法を導入する。 提案モデルでは,潜在分散モーフィング,ジェネレータ,パラメータ化Fokker-Planckカーネル関数からなる。
  論文  参考訳（メタデータ） (2021-05-10T17:42:01Z)
• Non-Hermitian effects of the intrinsic signs in topologically ordered wavefunctions [12.453831188907797]
  2次元六角格子上の二重セミオンモデルの基底状態波動関数は、固有符号を含む。 位相的に順序付けられた波動関数の固有符号とPT対称非エルミート統計モデルとの間には接続が確立されている。
  論文  参考訳（メタデータ） (2020-05-08T03:57:21Z)

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。