Fugu-MT 論文翻訳(概要): Deep Learning Hamiltonian Monte Carlo

論文の概要: Deep Learning Hamiltonian Monte Carlo

arxiv url: http://arxiv.org/abs/2105.03418v1
Date: Fri, 7 May 2021 17:50:18 GMT
ステータス: 処理完了
システム内更新日: 2021-05-10 13:00:34.823685
Title: Deep Learning Hamiltonian Monte Carlo
Title（参考訳）: 深層学習ハミルトニアンモンテカルロ
Authors: Sam Foreman, Xiao-Yong Jin, and James C. Osborn
Abstract要約: 私たちは、ハミルトンモンテカルロアルゴリズムをニューラルネットワークレイヤーのスタックで一般化します。私たちのモデルは、異なるトポロジのモード間でうまく混在できることを示します。
参考スコア（独自算出の注目度）: 0.6554326244334867
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We generalize the Hamiltonian Monte Carlo algorithm with a stack of neural network layers and evaluate its ability to sample from different topologies in a two dimensional lattice gauge theory. We demonstrate that our model is able to successfully mix between modes of different topologies, significantly reducing the computational cost required to generated independent gauge field configurations. Our implementation is available at https://github.com/saforem2/l2hmc-qcd .
Abstract（参考訳）: 本研究では,2次元格子ゲージ理論において,ハミルトニアンモンテカルロアルゴリズムをニューラルネットワーク層で一般化し,異なる位相からサンプリングする能力を評価する。我々は,モデルが異なる位相モードの混合に成功し,独立ゲージ場構成の計算コストを大幅に削減できることを実証した。実装はhttps://github.com/saforem2/l2hmc-qcdで利用可能です。

関連論文リスト

Flow-based Sampling for Entanglement Entropy and the Machine Learning of Defects [38.18440341418837]
生成モデルを用いて格子量子場理論におけるR'enyiエンタンジメントエントロピーを数値計算する新しい手法を提案する。本稿では,2つのレプリカを接続する格子欠陥を取り巻くニューラルネットワークアーキテクチャを用いて,フローベースのアプローチとレプリカのトリックを組み合わせる方法について述べる。
論文参考訳（メタデータ） (2024-10-18T13:51:25Z)
From {\tt Ferminet} to PINN. Connections between neural network-based algorithms for high-dimensional Schrödinger Hamiltonian [0.0]
特に,標準モンテカルロアルゴリズムの解に対応するデータに適合する問題として,PINNアルゴリズムを再構成する。最適化アルゴリズムのレベルでの接続も確立されている。
論文参考訳（メタデータ） (2024-10-11T18:27:58Z)
A Deep Dive into the Connections Between the Renormalization Group and Deep Learning in the Ising Model [0.0]
再正規化群(Renormalization group、RG)は、統計物理学と量子場理論において必須の手法である。本研究では, 1D と 2D Ising モデルに対する広範な再正規化手法を開発し, 比較のためのベースラインを提供する。 2次元イジングモデルでは、Wolffアルゴリズムを用いてIsingモデルサンプルを生成し、準決定論的手法を用いてグループフローを実行した。
論文参考訳（メタデータ） (2023-08-21T22:50:54Z)
Representation Learning via Manifold Flattening and Reconstruction [10.823557517341964]
本研究では,組込み部分多様体の線形化と再構成を行うニューラルネットワークのペアを明示的に構築するアルゴリズムを提案する。このような生成されたニューラルネットワークは、FlatNet(FlatNet)と呼ばれ、理論的に解釈可能であり、大規模に計算可能であり、データをテストするためにうまく一般化されている。
論文参考訳（メタデータ） (2023-05-02T20:36:34Z)
Stochastic normalizing flows as non-equilibrium transformations [62.997667081978825]
正規化フローは従来のモンテカルロシミュレーションよりも効率的に格子場理論をサンプリングするための経路を提供することを示す。本稿では,この拡張された生成モデルの効率を最適化する戦略と応用例を示す。
論文参考訳（メタデータ） (2022-01-21T19:00:18Z)
Scaling Structured Inference with Randomization [64.18063627155128]
本稿では、構造化されたモデルを数万の潜在状態に拡張するためにランダム化された動的プログラミング(RDP)のファミリを提案する。我々の手法は古典的DPベースの推論に広く適用できる。また、自動微分とも互換性があり、ニューラルネットワークとシームレスに統合できる。
論文参考訳（メタデータ） (2021-12-07T11:26:41Z)
LeapfrogLayers: A Trainable Framework for Effective Topological Sampling [0.7366405857677227]
本稿では,2次元$U(1)$格子ゲージ理論のトポロジを効率的にサンプリングするためにトレーニング可能な,可逆ニューラルネットワークアーキテクチャである Leapfrogsを紹介する。本研究では,従来のHMCと比較してトポロジカルチャージの統合自己相関時間の改善について述べる。
論文参考訳（メタデータ） (2021-12-02T19:48:16Z)
The Separation Capacity of Random Neural Networks [78.25060223808936]
標準ガウス重みと一様分布バイアスを持つ十分に大きな2層ReLUネットワークは、この問題を高い確率で解くことができることを示す。我々は、相互複雑性という新しい概念の観点から、データの関連構造を定量化する。
論文参考訳（メタデータ） (2021-07-31T10:25:26Z)
Generalize a Small Pre-trained Model to Arbitrarily Large TSP Instances [55.64521598173897]
本稿では,旅行セールスマン問題(TSP)のヒートマップ構築に繰り返し使用可能な,小規模モデルのトレーニングを試みる。ヒートマップは強化学習アプローチ(モンテカルロツリーサーチ)に供給され、高品質のソリューションの検索を案内します。実験結果によると、この新しいアプローチは、既存の機械学習ベースのTSPアルゴリズムを明らかに上回る。
論文参考訳（メタデータ） (2020-12-19T11:06:30Z)
Stochastic Flows and Geometric Optimization on the Orthogonal Group [52.50121190744979]
直交群 $O(d)$ 上の幾何駆動最適化アルゴリズムの新しいクラスを示す。提案手法は,深層,畳み込み,反復的なニューラルネットワーク,強化学習,フロー,メトリック学習など,機械学習のさまざまな分野に適用可能であることを示す。
論文参考訳（メタデータ） (2020-03-30T15:37:50Z)
Learning Gaussian Graphical Models via Multiplicative Weights [54.252053139374205]
乗算重み更新法に基づいて,Klivans と Meka のアルゴリズムを適用した。アルゴリズムは、文献の他のものと質的に類似したサンプル複雑性境界を楽しみます。ランタイムが低い$O(mp2)$で、$m$サンプルと$p$ノードの場合には、簡単にオンライン形式で実装できる。
論文参考訳（メタデータ） (2020-02-20T10:50:58Z)

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。