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
- 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) - DIFFormer: Scalable (Graph) Transformers Induced by Energy Constrained
Diffusion [66.21290235237808]
本稿では,データセットからのインスタンスのバッチを進化状態にエンコードするエネルギー制約拡散モデルを提案する。
任意のインスタンス対間の対拡散強度に対する閉形式最適推定を示唆する厳密な理論を提供する。
各種タスクにおいて優れた性能を有する汎用エンコーダバックボーンとして,本モデルの適用性を示す実験を行った。
論文 参考訳(メタデータ) (2023-01-23T15:18:54Z) - 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 [68.28193418861333]
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) - Post-mortem on a deep learning contest: a Simpson's paradox and the
complementary roles of scale metrics versus shape metrics [61.49826776409194]
我々は、ニューラルネットワーク(NN)モデルの一般化精度を予測するために、コンテストで公に利用可能にされたモデルのコーパスを分析する。
メトリクスが全体としてよく機能するが、データのサブパーティションではあまり機能しない。
本稿では,データに依存しない2つの新しい形状指標と,一連のNNのテスト精度の傾向を予測できるデータ依存指標を提案する。
論文 参考訳(メタデータ) (2021-06-01T19:19:49Z) - Probabilistic Circuits for Variational Inference in Discrete Graphical
Models [101.28528515775842]
変分法による離散的グラフィカルモデルの推論は困難である。
エビデンス・ロウアーバウンド(ELBO)を推定するためのサンプリングに基づく多くの手法が提案されている。
Sum Product Networks (SPN) のような確率的回路モデルのトラクタビリティを活用する新しい手法を提案する。
選択的SPNが表現的変動分布として適していることを示し、対象モデルの対数密度が重み付けされた場合、対応するELBOを解析的に計算可能であることを示す。
論文 参考訳(メタデータ) (2020-10-22T05:04:38Z) - 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。