論文の概要: Topological Exchange Statistics in One Dimension
- arxiv url: http://arxiv.org/abs/2108.05653v5
- Date: Thu, 27 Oct 2022 09:15:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-18 17:23:33.833324
- Title: Topological Exchange Statistics in One Dimension
- Title（参考訳）: 1次元のトポロジカル交換統計
- Authors: N.L. Harshman and A.C. Knapp
- Abstract要約: 区別不能粒子に対する位相的アプローチは、基本群を用いて統計を交換する。
経路あいまいな特異点を含み、構成空間をオービフォールドとみなす。
このアプローチは、任意の次元における交換統計学の統一的な解析を可能にし、一次元系における電子の新たな可能性を予測する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The standard topological approach to indistinguishable particles formulates
exchange statistics by using the fundamental group to analyze the connectedness
of the configuration space. Although successful in two and more dimensions,
this approach gives only trivial or near trivial exchange statistics in one
dimension because two-body coincidences are excluded from configuration space.
Instead, we include these path-ambiguous singular points and consider
configuration space as an orbifold. This orbifold topological approach allows
unified analysis of exchange statistics in any dimension and predicts novel
possibilities for anyons in one-dimensional systems, including non-abelian
anyons obeying alternate strand groups. These results clarify the
non-topological origin of fractional statistics in one-dimensional anyon
models.
- Abstract（参考訳）: 非識別可能な粒子に対する標準的なトポロジカルなアプローチは、基本群を用いて構成空間の連結性を分析することで交換統計を定式化する。
2次元およびそれ以上の次元で成功するが、このアプローチは2体一致が構成空間から除外されるため、1次元における自明または自明な交換統計のみを与える。
代わりに、これらの経路あいまいな特異点を含み、構成空間をオービフォールドとみなす。
このオービフォールドトポロジカルアプローチは、任意の次元における交換統計学の統一的な解析を可能にし、一次元系におけるエノンの新しい可能性を予測する。
これらの結果は1次元のエノンモデルにおける分数統計の非位相的起源を明らかにする。
関連論文リスト
- Conformal inference for regression on Riemannian Manifolds [49.7719149179179]
回帰シナリオの予測セットは、応答変数が$Y$で、多様体に存在し、Xで表される共変数がユークリッド空間にあるときに検討する。
我々は、多様体上のこれらの領域の経験的バージョンが、その集団に対するほぼ確実に収束していることを証明する。
論文 参考訳（メタデータ） (2023-10-12T10:56:25Z) - Beyond braid statistics: Constructing a lattice model for anyons with
exchange statistics intrinsic to one dimension [0.8877926274964252]
ブレイド群は、アーベルアーロンの非自明な幾何学的位相にトポロジカルな交換経路がどのように関連付けられるかを記述する。
トレード群は、ハードコアの3体制約が構成空間を単純に連結しないために、交換統計の代替形式が1Dで生じることを示している。
論文 参考訳（メタデータ） (2023-09-08T14:30:35Z) - Towards a mathematical understanding of learning from few examples with
nonlinear feature maps [68.8204255655161]
トレーニングセットがわずか数個のデータポイントから構成されるデータ分類の問題を考える。
我々は、AIモデルの特徴空間の幾何学、基礎となるデータ分布の構造、モデルの一般化能力との間の重要な関係を明らかにする。
論文 参考訳（メタデータ） (2022-11-07T14:52:58Z) - Geometric Scattering on Measure Spaces [12.0756034112778]
測度空間上での幾何散乱の一般統一モデルを導入する。
未知多様体をランダムにサンプリングして得られる有限測度空間を考える。
本稿では, 関連するグラフ散乱変換が基礎多様体上の散乱変換を近似するデータ駆動グラフを構築するための2つの方法を提案する。
論文 参考訳（メタデータ） (2022-08-17T22:40:09Z) - Learning from few examples with nonlinear feature maps [68.8204255655161]
我々はこの現象を探求し、AIモデルの特徴空間の次元性、データ分散の非退化、モデルの一般化能力の間の重要な関係を明らかにする。
本分析の主な推力は、元のデータを高次元および無限次元空間にマッピングする非線形特徴変換が結果のモデル一般化能力に与える影響である。
論文 参考訳（メタデータ） (2022-03-31T10:36:50Z) - Non-Linear Spectral Dimensionality Reduction Under Uncertainty [107.01839211235583]
我々は、不確実性情報を活用し、いくつかの従来のアプローチを直接拡張する、NGEUと呼ばれる新しい次元削減フレームワークを提案する。
提案したNGEUの定式化は,大域的な閉形式解を示し,Radecherの複雑性に基づいて,基礎となる不確実性がフレームワークの一般化能力に理論的にどのように影響するかを分析する。
論文 参考訳（メタデータ） (2022-02-09T19:01:33Z) - Universal Approximation Theorem for Equivariant Maps by Group CNNs [14.810452619505137]
本稿では,CNNによる同値写像の普遍近似定理の統一手法を提案する。
その大きな利点として、非コンパクト群に対する無限次元空間間の非線形同変写像を扱うことができる。
論文 参考訳（メタデータ） (2020-12-27T07:09:06Z) - Asymptotic Analysis of an Ensemble of Randomly Projected Linear
Discriminants [94.46276668068327]
[1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。
我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。
また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
論文 参考訳（メタデータ） (2020-04-17T12:47:04Z) - Statistical and Topological Properties of Sliced Probability Divergences [30.258116496304662]
我々はスライスされた確率分岐の様々な理論的性質を導出する。
我々はスライシングが計量公理と発散の弱連続性を保っていることを示す。
次に,基本偏差が積分確率測定値のクラスに属する場合の精度を検証した。
論文 参考訳（メタデータ） (2020-03-12T13:15:17Z) - BasisVAE: Translation-invariant feature-level clustering with
Variational Autoencoders [9.51828574518325]
変分オートエンコーダ(VAE)は、非線形次元削減のための柔軟でスケーラブルなフレームワークを提供する。
崩壊した変分推論スキームがBasisVAEのスケーラブルかつ効率的な推論にどのように寄与するかを示す。
論文 参考訳（メタデータ） (2020-03-06T23:10:52Z) - Inverse Learning of Symmetries [71.62109774068064]
2つの潜在部分空間からなるモデルで対称性変換を学ぶ。
我々のアプローチは、情報ボトルネックと連続的な相互情報正規化器の組み合わせに基づいています。
我々のモデルは, 人工的および分子的データセットにおける最先端の手法より優れている。
論文 参考訳（メタデータ） (2020-02-07T13:48:52Z)
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。