論文の概要: Machine Learning Calabi-Yau Hypersurfaces
- arxiv url: http://arxiv.org/abs/2112.06350v1
- Date: Sun, 12 Dec 2021 23:17:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-15 06:26:12.671833
- Title: Machine Learning Calabi-Yau Hypersurfaces
- Title(参考訳): 機械学習のカラビヤウ超曲面
- Authors: David S. Berman, Yang-Hui He, Edward Hirst
- Abstract要約: カラビ・ヤウ3次元超曲面を持つ重み付きP4の古典的データベースを再検討する。
教師なしの手法は、トポロジカルデータの重みへのほとんど線形な依存を予想しない。
監督された手法は、R2 > 95%の精度で超曲面の位相パラメータをその重みから予測することに成功している。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: We revisit the classic database of weighted-P4s which admit Calabi-Yau 3-fold
hypersurfaces equipped with a diverse set of tools from the machine-learning
toolbox. Unsupervised techniques identify an unanticipated almost linear
dependence of the topological data on the weights. This then allows us to
identify a previously unnoticed clustering in the Calabi-Yau data. Supervised
techniques are successful in predicting the topological parameters of the
hypersurface from its weights with an accuracy of R^2 > 95%. Supervised
learning also allows us to identify weighted-P4s which admit Calabi-Yau
hypersurfaces to 100% accuracy by making use of partitioning supported by the
clustering behaviour.
- Abstract(参考訳): 機械学習ツールボックスから多種多様なツールセットを備えたCalabi-Yau 3次元超曲面を許容する重み付きP4の古典的データベースを再検討する。
教師なしの手法は、トポロジカルデータの重みへのほとんど線形な依存を予想しない。
これにより、Calabi-Yauデータに未確認のクラスタリングを特定できます。
R^2 > 95%の精度で超表面のトポロジカルパラメータをその重みから予測することに成功している。
また,クラスタリング動作によって支持されるパーティショニングを用いることで,カラビ・ヤウ超曲面を100%精度で許容する重み付きP4を同定することができる。
関連論文リスト
- Data-freeWeight Compress and Denoise for Large Language Models [101.53420111286952]
パラメータ行列を圧縮する手法として,データフリーなジョイントランクk近似を提案する。
キャリブレーションデータなしで、元の性能の93.43%を維持しながら80%のパラメータのモデルプルーニングを実現する。
論文 参考訳(メタデータ) (2024-02-26T05:51:47Z) - Improving Parameter Training for VQEs by Sequential Hamiltonian Assembly [4.646930308096446]
量子機械学習における中心的な課題は、パラメータ化量子回路(PQC)の設計と訓練である。
局所成分を用いて損失関数を反復的に近似する逐次ハミルトンアセンブリを提案する。
提案手法は,従来のパラメータトレーニングを29.99%,実証的手法であるレイヤワイズラーニングを5.12%,平均精度を5.12%向上させる。
論文 参考訳(メタデータ) (2023-12-09T11:47:32Z) - Calabi-Yau Four/Five/Six-folds as $\mathbb{P}^n_\textbf{w}$ Hypersurfaces: Machine Learning, Approximation, and Generation [0.0]
この研究において、重みシステムからカラビ・ヤウ・ホッジ数を学ぶためにニューラルネットワークが実装された。
近似は常に厳密な下限を提供し、計算が劇的に速くなることが示され、大きな重みを持つシステムに対して驚くほど正確な結果が得られる。
論文 参考訳(メタデータ) (2023-11-28T19:00:00Z) - Deep learning complete intersection Calabi-Yau manifolds [0.0]
完全交点Calabi-Yau(CICY)の3倍、4倍の深層学習技術の進歩を概観する。
まず、ニューラルネットワークアーキテクチャを記述する前に、方法論的側面とデータ分析について議論する。
低ホッジ数から高ホッジ数への外挿予測の新しい結果を含む。
論文 参考訳(メタデータ) (2023-11-20T15:37:39Z) - HSurf-Net: Normal Estimation for 3D Point Clouds by Learning Hyper
Surfaces [54.77683371400133]
本稿では,ノイズと密度の変動のある点群から正規性を正確に予測できるHSurf-Netという新しい正規推定手法を提案する。
実験結果から, HSurf-Netは, 合成形状データセット上での最先端性能を実現することがわかった。
論文 参考訳(メタデータ) (2022-10-13T16:39:53Z) - Automating DBSCAN via Deep Reinforcement Learning [73.82740568765279]
本稿では,DBSCANの自動パラメータ検索フレームワークであるDRL-DBSCANを提案する。
このフレームワークは、クラスタリング環境をマルコフ決定プロセスとして知覚することで、パラメータ探索方向を調整する過程をモデル化する。
このフレームワークはDBSCANクラスタリングの精度を最大で26%、25%改善している。
論文 参考訳(メタデータ) (2022-08-09T04:40:11Z) - Direct parameter estimations from machine-learning enhanced quantum
state tomography [3.459382629188014]
機械学習による量子状態トモグラフィ(QST)は、量子状態に関する完全な情報を抽出する際の利点を実証している。
我々は,目標パラメータを直接生成することにより,高性能で軽量で容易に教師付き特性モデルを構築する。
このような特性モデルに基づく ML-QST は、ヒルベルト空間を扱う問題を回避することができるが、高い精度で特徴抽出を維持することができる。
論文 参考訳(メタデータ) (2022-03-30T15:16:02Z) - Calabi-Yau Metrics, Energy Functionals and Machine-Learning [0.0]
機械学習は、少数のトレーニングデータのサンプルしか見ていないカラビ・ヤウ計量のK"ahlerポテンシャルを予測することができることを示す。
論文 参考訳(メタデータ) (2021-12-20T21:30:06Z) - Beyond Fully-Connected Layers with Quaternions: Parameterization of
Hypercomplex Multiplications with $1/n$ Parameters [71.09633069060342]
モデルが事前に定義されているかどうかにかかわらず、データから乗算ルールを学習できるように、ハイパーコンプレックス乗算のパラメータ化を提案する。
我々の手法はハミルトン積を仮定するだけでなく、任意の nD 超複素空間上での操作も学んでいる。
論文 参考訳(メタデータ) (2021-02-17T06:16:58Z) - Surface Warping Incorporating Machine Learning Assisted Domain
Likelihood Estimation: A New Paradigm in Mine Geology Modelling and
Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。
本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。
その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文 参考訳(メタデータ) (2021-02-15T10:37:52Z) - Nearest Centroid Classification on a Trapped Ion Quantum Computer [57.5195654107363]
我々は,古典的データを量子状態に効率よくロードし,距離推定を行う手法を用いて,量子近接Centroid分類器を設計する。
MNIST手書き桁データセットの古典的最寄りのセントロイド分類器の精度と8次元合成データの最大100%の精度とを一致させ,11量子ビットトラップイオン量子マシン上で実験的に実証した。
論文 参考訳(メタデータ) (2020-12-08T01:10:30Z)
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。