論文の概要: Minimally Entangled Typical Thermal States Algorithms for Finite
Temperature Matsubara Green Functions
- arxiv url: http://arxiv.org/abs/2107.13941v1
- Date: Thu, 29 Jul 2021 13:02:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-20 11:41:40.212922
- Title: Minimally Entangled Typical Thermal States Algorithms for Finite
Temperature Matsubara Green Functions
- Title（参考訳）: 有限温度松原グリーン関数に対する最小絡み合った典型的熱状態アルゴリズム
- Authors: Daniel Bauernfeind, Xiaodong Cao, E. Miles Stoudenmire, Olivier
Parcollet
- Abstract要約: 有限温度テンソルネットワークを拡張して,松原の仮想時間相関関数を計算する。
ベンチマークとして、単バンドアンダーソン不純物モデルについて検討する。
結果は、最先端の連続したモンテカルロと競合する。
- 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 extend finite-temperature tensor network methods to compute Matsubara
imaginary-time correlation functions, building on the minimally entangled
typical thermal states (METTS) and purification algorithms. While
imaginary-time correlation functions are straightforward to formulate with
these methods, care is needed to avoid convergence issues that would result
from naive estimators. As a benchmark, we study the single-band Anderson
impurity model, even though the algorithm is quite general and applies to
lattice models. The special structure of the impurity model benchmark system
and our choice of basis enable techniques such as reuse of high-probability
METTS for increasing algorithm efficiency. The results are competitive with
state-of-the-art continuous time Monte Carlo. We discuss the behavior of
computation time and error as a function of the number of purified sites in the
Hamiltonian.
- Abstract（参考訳）: 有限温度テンソルネットワーク法を拡張して,最小絡み合った典型的な熱状態(METTS)と浄化アルゴリズムに基づいて,松原の仮想時間相関関数を計算する。
仮想時間相関関数はこれらの手法で簡単に定式化できるが, ネーブな推定器による収束問題を避けるには注意が必要である。
ベンチマークとして,格子モデルに適用可能なアルゴリズムであっても,シングルバンドのアンダーソン不純物モデルについて検討する。
不純物モデルベンチマークシステムの特別な構造とベースの選択は、アルゴリズム効率を高めるために高確率METTSの再利用のような技術を可能にする。
その結果は最先端のモンテカルロと競合している。
ハミルトニアンにおける浄化点数の関数としての計算時間と誤差の挙動について論じる。
関連論文リスト
- Spectroscopy and complex-time correlations using minimally entangled typical thermal states [39.58317527488534]
最小絡み合った典型的な熱状態を用いた相関器の計算に実践的なアプローチを導入する。
これらの数値的手法がシャストリー・サザーランドモデルの有限温度力学を捉えることを示す。
論文 参考訳（メタデータ） (2024-05-28T18:00:06Z) - Online Variational Sequential Monte Carlo [49.97673761305336]
我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。
オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
論文 参考訳（メタデータ） (2023-12-19T21:45:38Z) - An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳（メタデータ） (2023-06-10T08:25:16Z) - Monte Carlo Neural PDE Solver for Learning PDEs via Probabilistic Representation [59.45669299295436]
教師なしニューラルソルバのトレーニングのためのモンテカルロPDEソルバを提案する。
我々は、マクロ現象をランダム粒子のアンサンブルとみなすPDEの確率的表現を用いる。
対流拡散, アレン・カーン, ナヴィエ・ストークス方程式に関する実験により, 精度と効率が著しく向上した。
論文 参考訳（メタデータ） (2023-02-10T08:05:19Z) - Adaptive LASSO estimation for functional hidden dynamic geostatistical
model [69.10717733870575]
関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。
このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
論文 参考訳（メタデータ） (2022-08-10T19:17:45Z) - Fast Doubly-Adaptive MCMC to Estimate the Gibbs Partition Function with
Weak Mixing Time Bounds [7.428782604099876]
Gibbs分布の実践的応用に対する大きな障害は、それらの分割関数を見積もる必要があることである。
本稿では,分割関数を厳密に推定する計算複雑性を低減する手法を提案する。
論文 参考訳（メタデータ） (2021-11-14T15:42:02Z) - Community Detection in the Stochastic Block Model by Mixed Integer
Programming [3.8073142980733]
Degree-Corrected Block Model (DCSBM) は、コミュニティ構造を持つランダムグラフを生成する一般的なモデルである。
DCSBMに基づくコミュニティ検出の標準的なアプローチは、最大推定(MLE)により観測されたネットワークデータを生成する可能性が最も高いモデルパラメータを探索することである。
本稿では,モデルパラメータと最大確率のコミュニティ割当を観測グラフから確実に求める数学的計画式と厳密解法を提案する。
論文 参考訳（メタデータ） (2021-01-26T22:04:40Z) - Efficient semidefinite-programming-based inference for binary and
multi-class MRFs [83.09715052229782]
分割関数やMAP推定をペアワイズMRFで効率的に計算する手法を提案する。
一般のバイナリMRFから完全多クラス設定への半定緩和を拡張し、解法を用いて再び効率的に解けるようなコンパクトな半定緩和を開発する。
論文 参考訳（メタデータ） (2020-12-04T15:36:29Z) - Goal-directed Generation of Discrete Structures with Conditional
Generative Models [85.51463588099556]
本稿では,強化学習目標を直接最適化し,期待される報酬を最大化するための新しいアプローチを提案する。
提案手法は、ユーザ定義プロパティを持つ分子の生成と、所定の目標値を評価する短いピソン表現の同定という2つのタスクで検証する。
論文 参考訳（メタデータ） (2020-10-05T20:03:13Z)
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。