論文の概要: Generalized spin-boson models with non-normalizable form factors
- arxiv url: http://arxiv.org/abs/2111.06121v2
- Date: Fri, 6 May 2022 14:22:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-08 09:58:31.380043
- Title: Generalized spin-boson models with non-normalizable form factors
- Title（参考訳）: 非正規化可能な形式因子を持つ一般化スピンボーソン模型
- Authors: Davide Lonigro
- Abstract要約: 一般化スピンボソンモデル(GSB)は、量子力学系と構造化ボソン環境の間の相互作用を記述する。
本稿では,非正規化可能な形式因子に対応可能なGSBモデルのクラスの拡張を提案する。
このような「特異な」GSBモデルは、正規化可能な形状因子を持つGSBモデルによって厳密に近似できることを示す。
- 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: Generalized spin-boson (GSB) models describe the interaction between a
quantum mechanical system and a structured boson environment, mediated by a
family of coupling functions known as form factors. We propose an extension of
the class of GSB models which can accommodate non-normalizable form factors,
provided that they satisfy a weaker growth constraint, thus accounting for a
rigorous description of a wider range of physical scenarios; we also show that
such "singular" GSB models can be rigorously approximated by GSB models with
normalizable form factors. Furthermore, we discuss in greater detail the
structure of the spin-boson model with a rotating wave approximation (RWA): for
this model, the result is improved via a nonperturbative approach which enables
us to further extend the class of admissible form factors, as well as to
compute its resolvent and characterize its self-adjointness domain.
- Abstract（参考訳）: 一般化スピンボソンモデル(GSB)は、量子力学系と構造ボソン環境の間の相互作用を記述し、フォームファクタとして知られる結合関数の族を介する。
非正規化可能なフォームファクターに対応可能なgsbモデルのクラスの拡張を提案し,より弱い成長制約を満たし,より広い物理シナリオの厳密な記述を考慮し,そのような「特異」なgsbモデルは正規化可能なフォームファクターを持つgsbモデルによって厳密に近似できることを示した。
さらに、回転波近似(rwa)を用いてスピンボーソンモデルの構造を詳細に論じる: このモデルでは、許容可能なフォームファクタのクラスをさらに拡張し、その解法を計算し、自己随伴性ドメインを特徴付ける非摂動的アプローチにより、結果が改善される。
関連論文リスト
- Latent Space Energy-based Neural ODEs [73.01344439786524]
本稿では,連続時間シーケンスデータを表現するために設計された深部力学モデルの新しいファミリを紹介する。
マルコフ連鎖モンテカルロの最大推定値を用いてモデルを訓練する。
発振システム、ビデオ、実世界の状態シーケンス(MuJoCo)の実験は、学習可能なエネルギーベース以前のODEが既存のものより優れていることを示している。
論文 参考訳（メタデータ） (2024-09-05T18:14:22Z) - A Non-negative VAE:the Generalized Gamma Belief Network [49.970917207211556]
ガンマ信念ネットワーク(GBN)は、テキストデータ中の多層解釈可能な潜在表現を明らかにする可能性を実証している。
本稿では、一般化ガンマ信念ネットワーク(Generalized GBN)を導入し、元の線形生成モデルをより表現力のある非線形生成モデルに拡張する。
また、潜伏変数の後方分布を近似する上向きのワイブル推論ネットワークを提案する。
論文 参考訳（メタデータ） (2024-08-06T18:18:37Z) - Shape Arithmetic Expressions: Advancing Scientific Discovery Beyond Closed-Form Equations [56.78271181959529]
GAM(Generalized Additive Models)は、変数とターゲットの間の非線形関係をキャプチャできるが、複雑な特徴相互作用をキャプチャすることはできない。
本稿では,GAMのフレキシブルな形状関数と,数学的表現に見られる複雑な特徴相互作用を融合させる形状表現算術(SHARE)を提案する。
また、標準制約を超えた表現の透明性を保証するSHAREを構築するための一連のルールを設計する。
論文 参考訳（メタデータ） (2024-04-15T13:44:01Z) - A proposal for a new kind of spontaneous collapse model [0.0]
固定時空座標における崩壊点の考え方に基づく非相対論的自然崩壊モデルを提案する。
GRWモデルと非常によく似た力学を導出すると同時に,不明瞭な粒子の問題を自然に解くことができることを示す。
本稿では,提案モデルがGRWモデルと概念的に類似した方法で測定問題を解く方法を示す。
論文 参考訳（メタデータ） (2023-08-08T17:25:24Z) - Geometric Neural Diffusion Processes [55.891428654434634]
拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。
これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
論文 参考訳（メタデータ） (2023-07-11T16:51:38Z) - Exact solution for quantum strong long-range models via a generalized
Hubbard-Stratonovich transformation [0.0]
正準アンサンブルにおける量子強長距離モデルの正確な解析解を示す。
一般化ディックモデルと相互作用量子モデルの等価性をハバード・ストラトノヴィッチ変換の一般化として活用する。
論文 参考訳（メタデータ） (2023-05-17T18:00:02Z) - Self-adjointness of a class of multi-spin-boson models with ultraviolet
divergences [0.0]
正質量の構造ボソン場と結合したN$2レベル系(スピン)の族を記述する量子ハミルトニアンモデルのクラスについて検討する。
励起の総数を変更しないスピンスピン相互作用も含む。
論文 参考訳（メタデータ） (2023-01-25T16:57:24Z) - Interactions and Topology in Quantum Matter: Auxiliary Field Approach &
Generalized SSH Models [0.0]
この論文は、強い相関関係と物質の位相位相の交点にある一連のプロジェクトを示す。
これらのプロジェクトの1つは、DMFT-NRG を用いて正確に解決された局所クーロン相互作用によるSSHモデルの無限次元一般化の処理である。
第2のプロジェクトは、強相関系の非相互作用補助モデルを定式化する手法の開発を含む。
論文 参考訳（メタデータ） (2022-12-09T18:38:31Z) - Bayesian learning of Causal Structure and Mechanisms with GFlowNets and Variational Bayes [51.84122462615402]
本研究では,変分ベイズ-DAG-GFlowNetを用いて因果モデルの構造と機構を学習する手法を提案する。
我々は,GFlowNetを用いたベイズ因果構造学習の手法を拡張し,線形ガウスモデルのパラメータを学習する。
論文 参考訳（メタデータ） (2022-11-04T21:57:39Z) - On the Generalization and Adaption Performance of Causal Models [99.64022680811281]
異なる因果発見は、データ生成プロセスを一連のモジュールに分解するために提案されている。
このようなモジュラニューラル因果モデルの一般化と適応性能について検討する。
我々の分析では、モジュラーニューラル因果モデルが、低データレギュレーションにおけるゼロおよび少数ショットの適応において、他のモデルよりも優れていることを示している。
論文 参考訳（メタデータ） (2022-06-09T17:12:32Z) - Dynamical hysteresis properties of the driven-dissipative Bose-Hubbard
model with a Gutzwiller Monte Carlo approach [0.0]
強相互作用状態における駆動散逸型Bose-Hubbardモデルの力学特性について検討する。
古典的および量子的相関を考慮に入れます。
平均場や1/z$展開のような一様分布に依存した近似手法が,粒子数変動を著しく過小評価していることを示す。
論文 参考訳（メタデータ） (2020-08-17T13:50:10Z)
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。