Fugu-MT 論文翻訳(概要): Scaling Up Machine Learning For Quantum Field Theory with Equivariant Continuous Flows

論文の概要: Scaling Up Machine Learning For Quantum Field Theory with Equivariant Continuous Flows

arxiv url: http://arxiv.org/abs/2110.02673v1
Date: Wed, 6 Oct 2021 11:48:34 GMT
ステータス: 処理完了
システム内更新日: 2021-10-07 23:57:51.962800
Title: Scaling Up Machine Learning For Quantum Field Theory with Equivariant Continuous Flows
Title（参考訳）: 等価連続流をもつ場の量子論のための機械学習のスケールアップ
Authors: Pim de Haan, Corrado Rainone, Miranda Cheng, Roberto Bondesan
Abstract要約: 物理学における量子場理論の高次元確率分布からサンプリングするための連続正規化フローを提案する。我々は,このモデルを$phi4$理論で検証し,サンプリング効率において実NVPベースラインを体系的に上回ることを示す。
参考スコア（独自算出の注目度）: 3.464871689508835
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a continuous normalizing flow for sampling from the high-dimensional probability distributions of Quantum Field Theories in Physics. In contrast to the deep architectures used so far for this task, our proposal is based on a shallow design and incorporates the symmetries of the problem. We test our model on the $\phi^4$ theory, showing that it systematically outperforms a realNVP baseline in sampling efficiency, with the difference between the two increasing for larger lattices. On the largest lattice we consider, of size $32\times 32$, we improve a key metric, the effective sample size, from 1% to 66% w.r.t. the realNVP baseline.
Abstract（参考訳）: 物理学における量子場理論の高次元確率分布からサンプリングするための連続正規化フローを提案する。このタスクでこれまで用いられてきた深層アーキテクチャとは対照的に,提案手法は浅い設計に基づいており,問題の対称性を取り入れている。このモデルは$\phi^4$理論でテストされ、サンプリング効率においてrealnvpのベースラインを体系的に上回っており、この2つの差はより大きな格子に対して増大していることを示している。最大の格子では、32$32\times 32$の値で、キーメトリック、有効サンプルサイズを、実NVPベースラインの1%から66%まで改善する。

関連論文リスト

Quasi-Bayes meets Vines [2.3124143670964448]
我々は、スクラーの定理を用いて、準ベイズ予想を高次元に拡張する別の方法を提案する。提案した準ベイジアンVine (QB-Vine) は完全に非パラメトリックな密度推定器であることを示す。
論文参考訳（メタデータ） (2024-06-18T16:31:02Z)
Posterior and variational inference for deep neural networks with heavy-tailed weights [0.0]
我々は、ネットワーク重みをランダムにサンプリングする事前分布を持つベイズフレームワークにおいて、ディープニューラルネットワークを考察する。後部分布は, ほぼ最適のミニマックス収縮速度を達成できることを示す。また, 実験結果の変分ベイズ版も提供し, 平均場変分近似は, ほぼ最適理論的支援の恩恵を受けていることを示した。
論文参考訳（メタデータ） (2024-06-05T15:24:20Z)
Early Fault-Tolerant Quantum Algorithms in Practice: Application to Ground-State Energy Estimation [39.20075231137991]
ハミルトンスペクトル測度の累積分布関数(CDF)の計算に対処する。本稿では,CDFの反射点を識別する信号処理手法を提案する。低結合次元のTruncated density-matrix renormalization group (DMRG) 初期状態を用いた26量子完全連結ハイゼンベルク模型の数値実験を行った。
論文参考訳（メタデータ） (2024-05-06T18:00:03Z)
Maximum Weight Entropy [6.821961232645206]
本稿では,ベイジアン法とアンサンブル法を用いて,ディープラーニングにおける不確実な定量化と分布外検出を扱う。ニューラルネットワークを考えると、平均的な経験的リスクと重量分布エントロピーの間のトレードオフとして定義されたそのような分布を構築するために、実用的な最適化が導出される。
論文参考訳（メタデータ） (2023-09-27T14:46:10Z)
Normalizing flows for lattice gauge theory in arbitrary space-time dimension [135.04925500053622]
格子ゲージ理論における場配置のサンプリングへの正規化フローの応用は、これまで2つの時空次元においてほぼ独占的に検討されてきた。我々は、スケーラブルで正確なフローベースサンプリングアルゴリズムの鍵となる、トラクタブルで偏りのないジャコビアン行列式によるマスク付き自己回帰について論じる。具体的には、4つの時空次元におけるSU(3)ゲージ理論への原理的応用の結果が報告される。
論文参考訳（メタデータ） (2023-05-03T19:54:04Z)
Solving Oscillation Problem in Post-Training Quantization Through a Theoretical Perspective [74.48124653728422]
ポストトレーニング量子化(PTQ)は、事実上最も効率的な圧縮手法の1つである。我々は、PTQ法で見過ごされた振動問題について論じる。
論文参考訳（メタデータ） (2023-03-21T14:52:52Z)
Optimal Scaling for Locally Balanced Proposals in Discrete Spaces [65.14092237705476]
離散空間におけるMetropolis-Hastings (M-H) アルゴリズムの効率は、対象分布に依存しない受容率によって特徴づけられることを示す。最適受容率の知識は、連続空間におけるステップサイズ制御と直接的に類似して、離散空間における提案分布の近傍サイズを自動的に調整することを可能にする。
論文参考訳（メタデータ） (2022-09-16T22:09:53Z)
Efficient CDF Approximations for Normalizing Flows [64.60846767084877]
正規化フローの微分同相性に基づいて、閉領域上の累積分布関数(CDF)を推定する。一般的なフローアーキテクチャとUCIデータセットに関する実験は,従来の推定器と比較して,サンプル効率が著しく向上したことを示している。
論文参考訳（メタデータ） (2022-02-23T06:11:49Z)
Sensing Cox Processes via Posterior Sampling and Positive Bases [56.82162768921196]
本研究では,空間統計学から広く用いられている点過程の適応センシングについて検討する。我々は、この強度関数を、特別に構築された正の基底で表される、歪んだガウス過程のサンプルとしてモデル化する。我々の適応センシングアルゴリズムはランゲヴィン力学を用いており、後続サンプリング(textscCox-Thompson)と後続サンプリング(textscTop2)の原理に基づいている。
論文参考訳（メタデータ） (2021-10-21T14:47:06Z)
The edge of chaos: quantum field theory and deep neural networks [0.0]
我々は、ディープニューラルネットワークの一般クラスに対応する量子場理論を明示的に構築する。我々は、深さ$T$と幅$N$との比の摂動展開において、相関関数に対するループ補正を計算する。我々の分析は、急速に出現するNN-QFT対応に対する第一原理のアプローチを提供し、ディープニューラルネットワークの臨界性の研究にいくつかの興味深い道を開く。
論文参考訳（メタデータ） (2021-09-27T18:00:00Z)
Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。 3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
論文参考訳（メタデータ） (2021-08-03T17:49:09Z)

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。