論文の概要: Global minimization via classical tunneling assisted by collective force field formation

• arxiv url: http://arxiv.org/abs/2102.03385v3
• Date: Thu, 6 Jan 2022 10:52:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-12 11:42:16.506222
• Title: Global minimization via classical tunneling assisted by collective force field formation
• Title（参考訳）: 集団力場形成支援による古典トンネルによる大域的最小化
• Authors: Francesco Caravelli, Forrest C. Sheldon, Fabio L. Traversa
• Abstract要約: 本稿では,次元の増加が動的不安定性に起因する力場を自在に生成する現象について述べる。 この集団的かつ非摂動的な効果を「リャプノフ力」と呼び、ポテンシャル関数の国際最小化に向けてシステムを操る。 このメカニズムはナノスケール物理学における物理的関連性や、最適化やモンテカルロの新しいスキーム、機械学習の応用にアピールしている。
• 参考スコア（独自算出の注目度）: 3.0938904602244346
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Simple dynamical models can produce intricate behaviors in large networks. These behaviors can often be observed in a wide variety of physical systems captured by the network of interactions. Here we describe a phenomenon where the increase of dimensions self-consistently generates a force field due to dynamical instabilities. This can be understood as an unstable ("rumbling") tunneling mechanism between minima in an effective potential. We dub this collective and nonperturbative effect a "Lyapunov force" which steers the system towards the global minimum of the potential function, even if the full system has a constellation of equilibrium points growing exponentially with the system size. The system we study has a simple mapping to a flow network, equivalent to current-driven memristors. The mechanism is appealing for its physical relevance in nanoscale physics, and to possible applications in optimization, novel Monte Carlo schemes and machine learning.
• Abstract（参考訳）: 単純な力学モデルは、大きなネットワークで複雑な振る舞いを生み出すことができる。 これらの挙動は、相互作用のネットワークによって捉えられる様々な物理系でしばしば観察される。 ここでは,次元の増加が動的不安定性に起因する力場を自在に生成する現象について述べる。 これは、ミニマと有効ポテンシャルの間の不安定なトンネル機構として理解することができる。 この集団的かつ非摂動的な効果を「リャプノフ力」と呼び、システムのサイズと指数関数的に増加する平衡点の集合が全系にあるとしても、ポテンシャル関数の世界の最小値に向けてシステムを操る。 本システムでは,電流駆動型memristorと等価なフローネットワークへの単純なマッピングを行う。 このメカニズムはナノスケール物理学における物理関係や、最適化やモンテカルロの新しいスキーム、機械学習の応用にアピールしている。

関連論文リスト

• Inferring Relational Potentials in Interacting Systems [56.498417950856904]
  このような相互作用を発見する代替手法として、ニューラル・インタラクション・推論(NIIP)を提案する。 NIIPは観測された関係制約を尊重する軌道のサブセットに低エネルギーを割り当てる。 別々に訓練されたモデル間での相互作用の型を交換するなどの軌道操作や、軌道予測を可能にする。
  論文  参考訳（メタデータ） (2023-10-23T00:44:17Z)
• TANGO: Time-Reversal Latent GraphODE for Multi-Agent Dynamical Systems [43.39754726042369]
  連続グラフニューラルネットワークに基づく常微分方程式(GraphODE)により予測される前後の軌跡を整列するソフト制約として,単純かつ効果的な自己監督型正規化項を提案する。 時間反転対称性を効果的に課し、古典力学の下でより広い範囲の力学系にわたってより正確なモデル予測を可能にする。 様々な物理システムに対する実験結果から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-10-10T08:52:16Z)
• Uncovering the Origins of Instability in Dynamical Systems: How Attention Mechanism Can Help? [0.0]
  ネットワーク内の不均衡構造と極性駆動構造不安定性の集合的挙動に注意を向けるべきである。 本研究は,ネットワークのノードの摂動がネットワーク力学に劇的な変化をもたらす理由を理解するための概念実証である。
  論文  参考訳（メタデータ） (2022-12-19T17:16:41Z)
• Dynamics with autoregressive neural quantum states: application to critical quench dynamics [41.94295877935867]
  本稿では、量子系の長時間のダイナミクスを安定的に捉えるための代替の汎用スキームを提案する。 二次元量子イジングモデルにおけるキブル・ズレーク機構の解明により,時間依存性のクエンチ力学にこのスキームを適用した。
  論文  参考訳（メタデータ） (2022-09-07T15:50:00Z)
• Towards Learning Self-Organized Criticality of Rydberg Atoms using Graph Neural Networks [0.0]
  臨界性 (Criticality, SOC) は、普遍的なスケール不変な振る舞いの出現に寄与していると考えられている、ユビキタスな力学現象である。 粒子数と粒子密度の2つの重要な軸に沿って、モンテカルロSOCダイナミクスを正確に再現できることを示す。
  論文  参考訳（メタデータ） (2022-07-05T15:43:16Z)
• 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)
• Forced Variational Integrator Networks for Prediction and Control of Mechanical Systems [7.538482310185133]
  強制的変動積分器ネットワーク(FVIN)アーキテクチャにより,エネルギー散逸と外部強制を正確に考慮できることを示す。 これにより、高データ効率のモデルベース制御が可能となり、実際の非保守的なシステムで予測できる。
  論文  参考訳（メタデータ） (2021-06-05T21:39:09Z)
• Enhancement of quantum correlations and geometric phase for a driven bipartite quantum system in a structured environment [77.34726150561087]
  構造環境下で進化する初期最大絡み合い状態における運転の役割について検討した。 この知識は、散逸動力学の下で量子特性を最もよく保持する物理装置の探索に役立つ。
  論文  参考訳（メタデータ） (2021-03-18T21:11:37Z)
• Learning Stable Deep Dynamics Models [91.90131512825504]
  状態空間全体にわたって安定することが保証される力学系を学習するためのアプローチを提案する。 このような学習システムは、単純な力学系をモデル化することができ、複雑な力学を学習するために追加の深層生成モデルと組み合わせることができることを示す。
  論文  参考訳（メタデータ） (2020-01-17T00:04:45Z)
• The quantum dynamical map of the spin boson model [0.0]
  熱状態のボゾン環境に結合した一般スピンに対して有効である、そのような写像の非摂動拡大を示す。 提案された導出は、多くのボディ、初期システム環境相関状態、多重時間相関関数、量子情報プロトコルを含む他の有限レベルのオープン量子システムに拡張することができる。
  論文  参考訳（メタデータ） (2020-01-13T13:37:18Z)

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。