論文の概要: Adapted Caldeira-Leggett Model

• arxiv url: http://arxiv.org/abs/2105.14040v2
• Date: Wed, 31 May 2023 20:09:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-03 02:33:21.376867
• Title: Adapted Caldeira-Leggett Model
• Title（参考訳）: 適応型caldeira-leggettモデル
• Authors: Andreas Albrecht, Rose Baunach, Andrew Arrasmith
• Abstract要約: ACL(Adapted Caldeira-Leggett)モデルは有限ヒルベルト空間上に構築され、数値研究に適している。 我々は、ACLモデルを用いて、デコヒーレンス(decoherence)とeinselection(einselection)の分野における新しいトピックを研究してきた。
• 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: We preset a variant of the Caldeira-Leggett (CL) model of a harmonic oscillator coupled to an environment. The CL model is a standard tool for studying the physics of decoherence. Our "adapted Caldeira-Leggett" (ACL) model is built in a finite Hilbert space which makes it suitable for numerical studies. Taking a numerical approach allows us to avoid the limitations of standard approximation schemes used with the CL model. We are able to evolve the ACL model in a fully reversible unitary manner, without the built-in time asymmetry and other assumptions that come with the master equation methods typically used. We have used the ACL model to study new topics in the field of decoherence and einselection where the full unitary evolution is essential to our work. Those results (reported in companion papers) include an examination of the relationship between einselection and the arrow of time, and studies of the very earliest stages of einselection. This paper provides details about the ACL model and our numerical methods. Our numerical approach makes it straightforward to explore and plot any property of the physical system. Thus we believe the examples and illustrations we present here may provide a helpful resource for those wishing to improve their familiarity with standard decoherence results, as well as those looking to probe the underpinnings of our companion papers. We expect the ACL model will be a useful tool for exploring additional phenomena that cannot be studied using traditional approximation schemes.
• Abstract（参考訳）: 環境に結合した高調波発振器のCaldeira-Leggett(CL)モデルの変種をプリセットする。 CLモデルはデコヒーレンスの物理学を研究するための標準ツールである。 我々の"Adapted Caldeira-Leggett"(ACL)モデルは有限ヒルベルト空間上に構築され、数値研究に適している。 数値的なアプローチを採用することで、CLモデルで使用される標準近似スキームの制限を回避することができる。 我々はACLモデルを完全に可逆なユニタリな方法で発展させることができ、時間的非対称性やその他のマスター方程式のメソッドがよく使われる仮定が組み込まれない。 我々はACLモデルを用いて、完全ユニタリ進化が本研究に不可欠なデコヒーレンスと固有選択の分野における新しいトピックを研究してきた。 これらの結果(共同論文に記載されている)には、選抜と時間の矢印の関係の検証、選抜のごく初期の段階の研究が含まれる。 本稿では,ACLモデルと数値解析手法の詳細について述べる。 私たちの数値的アプローチは、物理システムのあらゆる性質を探索し、プロットすることを容易にします。 したがって、ここで紹介する例やイラストは、標準のデコヒーレンス結果への親密性向上を望む人々や、我々の共著の基盤を探究したい人々にとって有用な情報源になると信じています。 ACLモデルは,従来の近似法では研究できない現象を探索するための有用なツールとして期待できる。

関連論文リスト

• Predictive Modeling in the Reservoir Kernel Motif Space [0.9217021281095907]
  本研究では,線形貯水池のカーネルビューに基づく時系列予測手法を提案する。 我々は、我々のアプローチがコア貯水池モデルとどのように関係しているかについての光を遮蔽するアプローチの幾何学的解釈を提供する。 実験では,提案モデルの予測性能と最近の最先端変圧器モデルとの比較を行った。
  論文  参考訳（メタデータ） (2024-05-11T16:12:25Z)
• Calibration of Continual Learning Models [18.547902778976084]
  連続学習(CL)は、非定常データストリームにわたるモデルの予測性能の最大化に重点を置いている。 モデルキャリブレーションは機械学習において活発な研究テーマであるが、CLでは適切に研究されていない。 CLにおけるキャリブレーションアプローチの挙動に関する最初の実証的研究を行い、CL戦略が本質的にキャリブレーションモデルを学習しないことを示す。
  論文  参考訳（メタデータ） (2024-04-11T14:59:49Z)
• The Languini Kitchen: Enabling Language Modelling Research at Different Scales of Compute [66.84421705029624]
  本稿では,アクセル時間で測定された等価計算に基づくモデル比較を可能にする実験的プロトコルを提案する。 私たちは、既存の学術的ベンチマークを上回り、品質、多様性、文書の長さで上回る、大規模で多様で高品質な書籍データセットを前処理します。 この研究は、GPT-2アーキテクチャから派生したフィードフォワードモデルと、10倍のスループットを持つ新しいLSTMの形式でのリカレントモデルという2つのベースラインモデルも提供する。
  論文  参考訳（メタデータ） (2023-09-20T10:31:17Z)
• RanPAC: Random Projections and Pre-trained Models for Continual Learning [59.07316955610658]
  継続学習(CL)は、古いタスクを忘れずに、非定常データストリームで異なるタスク(分類など)を学習することを目的としている。 本稿では,事前学習モデルを用いたCLの簡潔かつ効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2023-07-05T12:49:02Z)
• Enabling Calibration In The Zero-Shot Inference of Large Vision-Language Models [58.720142291102135]
  プロンプト、データセット、アーキテクチャといった関連する変数のキャリブレーションを測定し、CLIPによるゼロショット推論が誤校正されていることを見つけます。 学習した1つの温度は、推論データセットにまたがって特定のCLIPモデルごとに一般化され、選択が促される。
  論文  参考訳（メタデータ） (2023-03-11T17:14:04Z)
• CLIPood: Generalizing CLIP to Out-of-Distributions [73.86353105017076]
  対照的に、CLIP(Language-image Pre-training)モデルでは、印象的なゼロショット能力を示しているが、下流タスクにおけるCLIPのさらなる適応は、OODのパフォーマンスを好ましくない劣化させる。 ドメインシフトとオープンクラスの両方が見えないテストデータ上で発生する可能性があるOOD状況にCLIPモデルを適用するための微調整手法であるCLIPoodを提案する。 さまざまなOODシナリオによるさまざまなデータセットの実験は、CLIPoodが既存の一般化テクニックを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2023-02-02T04:27:54Z)
• Semi-automatic tuning of coupled climate models with multiple intrinsic timescales: lessons learned from the Lorenz96 model [0.0]
  ヒストリーマッチングは、マルチスケールのダイナミックスで気候システムをチューニングするために使用することができる。 本稿では,不確実性定量化,機械学習,気候モデリングのコミュニティのブリッジ化に寄与する。
  論文  参考訳（メタデータ） (2022-08-11T10:42:19Z)
• MRCLens: an MRC Dataset Bias Detection Toolkit [82.44296974850639]
  MRCLensは,ユーザがフルモデルをトレーニングする前に,バイアスが存在するかどうかを検出するツールキットである。 ツールキットの導入の便宜のために,MDCにおける共通バイアスの分類も提供する。
  論文  参考訳（メタデータ） (2022-07-18T21:05:39Z)
• A Twin Neural Model for Uplift [59.38563723706796]
  Upliftは条件付き治療効果モデリングの特定のケースです。 相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。 本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
  論文  参考訳（メタデータ） (2021-05-11T16:02:39Z)
• Semi-nonparametric Latent Class Choice Model with a Flexible Class Membership Component: A Mixture Model Approach [6.509758931804479]
  提案したモデルは、従来のランダムユーティリティ仕様に代わるアプローチとして混合モデルを用いて潜在クラスを定式化する。 その結果,混合モデルにより潜在クラス選択モデル全体の性能が向上した。
  論文  参考訳（メタデータ） (2020-07-06T13:19:26Z)

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。