Fugu-MT 論文翻訳(概要): Unveiling the pole structure of S-matrix using deep learning

論文の概要: Unveiling the pole structure of S-matrix using deep learning

arxiv url: http://arxiv.org/abs/2104.14182v2
Date: Wed, 12 May 2021 02:19:53 GMT
ステータス: 処理完了
システム内更新日: 2023-04-02 02:19:03.002060
Title: Unveiling the pole structure of S-matrix using deep learning
Title（参考訳）: 深層学習によるS行列の極構造解明
Authors: Denny Lane B. Sombillo and Yoichi Ikeda and Toru Sato and Atsushi Hosaka
Abstract要約: 本研究では,ディープニューラルネットワークのカリキュラム学習手法を開発し,チャネル散乱問題を解析する。この手法が$pi N$散乱の共鳴に伴う極配置の抽出にいかに効果的かを示す。
参考スコア（独自算出の注目度）: 0.1975401104195369
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Particle scattering is a powerful tool to unveil the nature of various subatomic phenomena. The key quantity is the scattering amplitude whose analytic structure carries the information of the quantum states. In this work, we demonstrate our first step attempt to extract the pole configuration of inelastic scatterings using the deep learning method. Among various problems, motivated by the recent new hadron phenomena, we develop a curriculum learning method of deep neural network to analyze coupled channel scattering problems. We show how effectively the method works to extract the pole configuration associated with resonances in the $\pi N$ scatterings.
Abstract（参考訳）: 粒子散乱は、様々なサブ原子現象の性質を明らかにする強力な道具である。鍵となる量は、解析構造が量子状態の情報を運ぶ散乱振幅である。本研究では,非弾性散乱の極配置を深層学習法を用いて抽出する第一段階の試みを示す。本研究では,近年のニューハドロン現象に動機づけられた様々な問題の中で,チャネル散乱問題を解くための深層ニューラルネットワークのカリキュラム学習手法を開発した。本手法は,$\pi n$散乱における共鳴に伴う極配置の抽出に有効であることを示す。

関連論文リスト

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)
Dilute neutron star matter from neural-network quantum states [58.720142291102135]
低密度中性子物質はクーパー対の形成と超流動の開始によって特徴づけられる。我々は、モンテカルロ変分法と再構成技術を組み合わせた隠れ核量子ネットワーク量子状態の表現性に乗じて、この密度構造をモデル化する。
論文参考訳（メタデータ） (2022-12-08T17:55:25Z)
Spin-Textured Neutron Beams with Orbital Angular Momentum [0.0]
スピンエコ変調小角中性子散乱(SEMSANS)技術を支える厳密な理論的枠組みを提案する。我々は、磁気ウォラストンプリズムとして知られる複屈折中性子スピン偏極デバイスを介して、軌道角運動量(OAM)を持つスピンテクスチャー中性子ビームを生成するために、この技術をどのように拡張できるかを示す。
論文参考訳（メタデータ） (2022-07-25T18:00:01Z)
Learning quantum dissipation by the neural ordinary differential equation [10.306364305450407]
ニューラル常微分方程式を用いて動的観測から量子散逸を学習する。また、データセットの学習効率についても検討し、実験におけるデータ取得のための有用なガイダンスを提供する。
論文参考訳（メタデータ） (2022-07-19T04:00:47Z)
Calculating non-linear response functions for multi-dimensional electronic spectroscopy using dyadic non-Markovian quantum state diffusion [68.8204255655161]
本稿では,分子集合体の多次元電子スペクトルと電子励起を結合した構造環境下でのシミュレーション手法を提案する。このアプローチの重要な側面は、NMQSD方程式を2重系ヒルベルト空間で伝播するが、同じ雑音を持つことである。
論文参考訳（メタデータ） (2022-07-06T15:30:38Z)
Momentum Diminishes the Effect of Spectral Bias in Physics-Informed Neural Networks [72.09574528342732]
物理インフォームドニューラルネットワーク(PINN)アルゴリズムは、偏微分方程式(PDE)を含む幅広い問題を解く上で有望な結果を示している。彼らはしばしば、スペクトルバイアスと呼ばれる現象のために、ターゲット関数が高周波の特徴を含むとき、望ましい解に収束しない。本研究は, 運動量による勾配降下下で進化するPINNのトレーニングダイナミクスを, NTK(Neural Tangent kernel)を用いて研究するものである。
論文参考訳（メタデータ） (2022-06-29T19:03:10Z)
Signature of edge states in resonant wave scattering [0.0]
複数のリードに接続されたクラスタの散乱問題について検討した。共振散乱過程におけるトポロジカル散乱中心の固有状態と透過・反射振幅の関連性を確立した。
論文参考訳（メタデータ） (2022-03-02T02:27:10Z)
The Spectral Bias of Polynomial Neural Networks [63.27903166253743]
PNN(Polynomial Neural Network)は、高頻度情報を重要視する画像生成と顔認識に特に有効であることが示されている。これまでの研究では、ニューラルネットワークが低周波関数に対して$textitspectral bias$を示しており、トレーニング中に低周波成分のより高速な学習をもたらすことが示されている。このような研究に触発されて、我々はPNNのTangent Kernel(NTK)のスペクトル分析を行う。我々は、最近提案されたPNNのパラメトリゼーションである$Pi$-Netファミリがスピードアップすることを発見した。
論文参考訳（メタデータ） (2022-02-27T23:12:43Z)
Understanding Layer-wise Contributions in Deep Neural Networks through Spectral Analysis [6.0158981171030685]
本稿では,ディープニューラルネットワークの層次スペクトルバイアスを解析し,対象関数に対する誤差の低減における異なる層の寄与と関係付ける。我々は、ディープニューラルネットワークのための高次元データセットにおいて、我々の理論を検証する実験結果を提供する。
論文参考訳（メタデータ） (2021-11-06T22:49:46Z)
An artificial neural network approach to bifurcating phenomena in computational fluid dynamics [0.0]
非線形パラメタライズドPDEの非滑らか解集合を扱うPOD-NN手法について論じる。臨界点進化の非侵襲的回復のための縮小多様体ベースの分岐図を提案する。
論文参考訳（メタデータ） (2021-09-22T14:42:36Z)
An Ode to an ODE [78.97367880223254]
我々は、O(d) 群上の行列フローに応じて主フローの時間依存パラメータが進化する ODEtoODE と呼ばれるニューラルODE アルゴリズムの新しいパラダイムを提案する。この2つの流れのネストされたシステムは、訓練の安定性と有効性を提供し、勾配の消滅・爆発問題を確実に解決する。
論文参考訳（メタデータ） (2020-06-19T22:05:19Z)

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。