Fugu-MT 論文翻訳(概要): Adaptive-weighted tree tensor networks for disordered quantum many-body systems

論文の概要: Adaptive-weighted tree tensor networks for disordered quantum many-body systems

arxiv url: http://arxiv.org/abs/2111.12398v2
Date: Mon, 6 Jun 2022 14:35:11 GMT
ステータス: 処理完了
システム内更新日: 2023-03-07 00:05:50.932474
Title: Adaptive-weighted tree tensor networks for disordered quantum many-body systems
Title（参考訳）: 乱れ量子多体系に対する適応重み付きツリーテンソルネットワーク
Authors: Giovanni Ferrari, Giuseppe Magnifico, Simone Montangero
Abstract要約: 適応重み付きツリーテンソルネットワークを導入し、乱れや不均一な量子多体系の研究を行う。本研究では,2次元量子イジングモデルの基礎状態を,待ち行列乱れやフラストレーションの存在下で計算する。
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 introduce an adaptive-weighted tree tensor network, for the study of disordered and inhomogeneous quantum many-body systems. This ansatz is assembled on the basis of the random couplings of the physical system with a procedure that considers a tunable weight parameter to prevent completely unbalanced trees. Using this approach, we compute the ground state of the two-dimensional quantum Ising model in the presence of quenched random disorder and frustration, with lattice size up to $32 \times 32$. We compare the results with the ones obtained using the standard homogeneous tree tensor networks and the completely self-assembled tree tensor networks, demonstrating a clear improvement of numerical precision as a function of the weight parameter, especially for large system sizes.
Abstract（参考訳）: 適応重み付きツリーテンソルネットワークを導入し、乱れや不均一な量子多体系の研究を行う。このアンサッツは物理系のランダムなカップリングに基づいて組み立てられ、完全にバランスの取れない木を避けるためにチューナブルな重みパラメータを考える手順で組み立てられる。この手法を用いて, 2次元量子イジングモデルの基底状態のクエンチされた乱数とフラストレーションの存在下で計算し, 格子サイズは32 \times 32$ である。本研究では, 標準等質木テンソルネットワークと完全自己組立木テンソルネットワークを用いて得られたものと比較し, 特に大規模システムにおいて, 重みパラメータの関数としての数値精度の明確な向上を示す。

関連論文リスト

Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
論文参考訳（メタデータ） (2024-05-22T17:23:15Z)
Network reconstruction via the minimum description length principle [0.0]
階層的ベイズ推定と重み量子化に基づく別の非パラメトリック正則化スキームを提案する。提案手法は最小記述長 (MDL) の原理に従い, データの最大圧縮を可能にする重み分布を明らかにする。提案手法は, 人工ネットワークと経験ネットワークの再構築において, 体系的に精度を向上することを示した。
論文参考訳（メタデータ） (2024-05-02T05:35:09Z)
Deep Neural Networks as Variational Solutions for Correlated Open Quantum Systems [0.0]
より強力なモデルで直接密度行列をパラメータ化することで、より良い変分アンザッツ関数が得られることを示す。本稿では, 散逸的一次元逆場イジングモデルと2次元散逸的ハイゼンベルクモデルについて述べる。
論文参考訳（メタデータ） (2024-01-25T13:41:34Z)
Improving equilibrium propagation without weight symmetry through Jacobian homeostasis [7.573586022424398]
平衡伝播(EP)は誤りアルゴリズム(BP)のバックプロパゲーションの魅力的な代替手段である EPは、非バイアス勾配を効率的に推定するために、重量対称性と無限小平衡摂動(nudges)を必要とする。有限ヌッジはコーシー積分を通しても正確な微分を推定できるので、問題が生じないことが示される。ネットワークの固定点におけるジャコビアンの関数的非対称性を直接緩和する新たなホメオスタティックな目的を提案する。
論文参考訳（メタデータ） (2023-09-05T13:20:43Z)
Vertical Layering of Quantized Neural Networks for Heterogeneous Inference [57.42762335081385]
量子化モデル全体を1つのモデルにカプセル化するための,ニューラルネットワーク重みの新しい垂直層表現について検討する。理論的には、1つのモデルのトレーニングとメンテナンスのみを必要としながら、オンデマンドサービスの正確なネットワークを達成できます。
論文参考訳（メタデータ） (2022-12-10T15:57:38Z)
Understanding Weight Similarity of Neural Networks via Chain Normalization Rule and Hypothesis-Training-Testing [58.401504709365284]
非畳み込みニューラルネットワークの重み類似度を定量化できる重み類似度尺度を提案する。まず,ニューラルネットワークの重みをチェーン正規化規則により正規化し,重み訓練表現学習を導入する。ニューラルネットワークの重み類似性に関する仮説を検証するため,従来の仮説検証手法を拡張した。
論文参考訳（メタデータ） (2022-08-08T19:11:03Z)
A Multisite Decomposition of the Tensor Network Path Integrals [0.0]
我々は、テンソルネットワークパス積分(TNPI)フレームワークを拡張し、局所的な散逸環境を持つ量子システムを効率的にシミュレートする。 MS-TNPI法は溶媒と結合した様々な拡張量子系の研究に有用である。
論文参考訳（メタデータ） (2021-09-20T17:55:53Z)
Sparse Uncertainty Representation in Deep Learning with Inducing Weights [22.912675044223302]
我々はMatheronの条件付きガウスサンプリングルールを拡張し、高速な重量サンプリングを可能にする。提案手法は,完全連結ニューラルネットワークとResNetを用いた予測および不確実性推定タスクにおける最先端の競争性能を実現する。
論文参考訳（メタデータ） (2021-05-30T18:17:47Z)
Sampling asymmetric open quantum systems for artificial neural networks [77.34726150561087]
非対称な開系に対する高速収束時間と高いスケーラビリティを実現し,非対称性を考慮したハイブリッドサンプリング戦略を提案する。我々は、ニューラルネットワークの普遍的適用性を強調し、ニューラルネットワークの普遍的適用性を概説する。
論文参考訳（メタデータ） (2020-12-20T18:25:29Z)
Improve Generalization and Robustness of Neural Networks via Weight Scale Shifting Invariant Regularizations [52.493315075385325]
重み劣化を含む正則化器の族は、均質な活性化関数を持つネットワークに対する本質的な重みのノルムをペナルティ化するのに有効でないことを示す。そこで我々は,ニューラルネットワークの本質的な規範を効果的に制約する改良型正規化器を提案する。
論文参考訳（メタデータ） (2020-08-07T02:55:28Z)
T-Basis: a Compact Representation for Neural Networks [89.86997385827055]
テンソルの集合をコンパクトに表現するための概念である T-Basis をニューラルネットワークでよく見られる任意の形状で導入する。ニューラルネットワーク圧縮の課題に対する提案手法の評価を行い, 許容性能低下時に高い圧縮速度に達することを示す。
論文参考訳（メタデータ） (2020-07-13T19:03:22Z)

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。