論文の概要: Coupled-Cluster Theory Revisited. Part I: Discretization
- arxiv url: http://arxiv.org/abs/2105.13134v4
- Date: Mon, 27 Mar 2023 11:01:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-29 05:07:10.459828
- Title: Coupled-Cluster Theory Revisited. Part I: Discretization
- Title(参考訳): 結合クラスター理論の再検討
パートI:離散化
- Authors: Mih\'aly A. Csirik and Andre Laestadius
- Abstract要約: 本稿では,グラフに基づく概念を用いた結合クラスタ法における離散化手法について述べる。
我々は、単一参照とJeziorski-Monkhorst多重参照結合クラスター方程式を、統一的かつ厳密な方法で導出する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In a series of two articles, we propose a comprehensive mathematical
framework for Coupled-Cluster-type methods. These methods aim at accurately
solving the many-body Schrodinger equation. In this first part, we rigorously
describe the discretization schemes involved in Coupled-Cluster methods using
graph-based concepts. This allows us to discuss different methods in a unified
and more transparent manner, including multireference methods. Moreover, we
derive the single-reference and the Jeziorski-Monkhorst multireference
Coupled-Cluster equations in a unified and rigorous manner.
- Abstract(参考訳): 本稿では,結合クラスタ型手法のための包括的数学的枠組みを提案する。
これらの手法は多体シュロディンガー方程式を正確に解くことを目的としている。
第1部では、グラフに基づく概念を用いて、結合クラスタ法に関連する離散化スキームを厳密に記述する。
これにより、マルチリファレンスメソッドを含む、統一的でより透明な方法で異なるメソッドを議論できる。
さらに、単一参照とJeziorski-Monkhorst多重参照結合クラスタ方程式を統一的かつ厳密な方法で導出する。
関連論文リスト
- HeNCler: Node Clustering in Heterophilous Graphs through Learned Asymmetric Similarity [55.27586970082595]
HeNClerは、Heterophilous Node Clusteringの新しいアプローチである。
HeNClerは異種グラフコンテキストにおけるノードクラスタリングタスクの性能を大幅に向上させることを示す。
論文 参考訳(メタデータ) (2024-05-27T11:04:05Z) - Coupled-Cluster Theory Revisited. Part II: Analysis of the
single-reference Coupled-Cluster equations [0.0]
位相次数理論を用いて単一参照結合クラスタ法の非線形方程式を解析する。
truncated Coupled-Cluster 法では、シュロディンガー方程式の近似固有状態に対して有界なエネルギー誤差を導出する。
論文 参考訳(メタデータ) (2023-03-27T11:21:19Z) - Unified Multi-View Orthonormal Non-Negative Graph Based Clustering
Framework [74.25493157757943]
我々は,非負の特徴特性を活用し,多視点情報を統合された共同学習フレームワークに組み込む,新しいクラスタリングモデルを定式化する。
また、深層機能に基づいたクラスタリングデータに対するマルチモデル非負グラフベースのアプローチを初めて検討する。
論文 参考訳(メタデータ) (2022-11-03T08:18:27Z) - Rethinking Clustering-Based Pseudo-Labeling for Unsupervised
Meta-Learning [146.11600461034746]
教師なしメタラーニングのメソッドであるCACTUsは、擬似ラベル付きクラスタリングベースのアプローチである。
このアプローチはモデルに依存しないため、教師付きアルゴリズムと組み合わせてラベルのないデータから学習することができる。
このことの核となる理由は、埋め込み空間においてクラスタリングに優しい性質が欠如していることである。
論文 参考訳(メタデータ) (2022-09-27T19:04:36Z) - Gradient Based Clustering [72.15857783681658]
本稿では,クラスタリングの品質を計測するコスト関数の勾配を用いて,距離に基づくクラスタリングの一般的な手法を提案する。
アプローチは反復的な2段階の手順(クラスタ割り当てとクラスタセンターのアップデートの代替)であり、幅広い機能に適用できる。
論文 参考訳(メタデータ) (2022-02-01T19:31:15Z) - Clustering Ensemble Meets Low-rank Tensor Approximation [50.21581880045667]
本稿では,複数のクラスタリングを組み合わせ,個々のクラスタリングよりも優れたパフォーマンスを実現するクラスタリングアンサンブルの問題について検討する。
本稿では,この問題をグローバルな視点から解くために,新しい低ランクテンソル近似法を提案する。
7つのベンチマークデータセットを用いた実験の結果,提案手法は12の最先端手法と比較して,クラスタリング性能のブレークスルーを達成した。
論文 参考訳(メタデータ) (2020-12-16T13:01:37Z) - Guaranteed convergence for a class of coupled-cluster methods based on
Arponen's extended theory [0.0]
この方法のクラスは、クラスタ演算子の座標変換の観点で定式化される。
エネルギーの反転勾配の局所的な強い単調性の概念は中心である。
いくつかの数値実験を行い、診断に標準座標を用いる方法について論じる。
論文 参考訳(メタデータ) (2020-03-15T11:24:30Z) - Conjoined Dirichlet Process [63.89763375457853]
我々はディリクレ過程に基づく新しい非パラメトリック確率的ビクラスタリング法を開発し、列と列の双方に強い共起を持つビクラスタを同定する。
本手法はテキストマイニングと遺伝子発現解析の2つの異なる応用に適用し,既存の手法に比べて多くの設定でビクラスタ抽出を改善することを示す。
論文 参考訳(メタデータ) (2020-02-08T19:41:23Z) - Toward Generalized Clustering through an One-Dimensional Approach [0.8122270502556374]
クラスタ間の分離のパッチを検出するアプローチは、凝集クラスタリング、特に単一リンクに基づいて開発されている。
この手法のポテンシャルは、より密度の低い間隙で分離された高密度の2つの間隔で特徴付けられる1次元クラスタリングモデルと同様に、点のクラスタレス均一分布と正規分布の解析に関して説明される。
論文 参考訳(メタデータ) (2020-01-01T16:52:05Z)
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。