論文の概要: Unsupervised machine learning approaches to the $q$-state Potts model
- arxiv url: http://arxiv.org/abs/2112.06735v1
- Date: Mon, 13 Dec 2021 15:37:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-14 19:28:34.768334
- Title: Unsupervised machine learning approaches to the $q$-state Potts model
- Title(参考訳): q$-state Pottsモデルに対する教師なし機械学習アプローチ
- Authors: Andrea Tirelli, Danyella O. Carvalho, Lucas A. Oliveira, J.P. Lima,
Natanael C. Costa, Raimundo R. dos Santos
- Abstract要約: 我々は,多くの教師なし機械学習技術を通じて,$q$状態ポッツモデルの位相遷移を研究する。
この研究は、位相遷移の研究において、異なる教師なし機械学習アルゴリズムを使用するためのベンチマークと見なすことができる。
- 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: In this paper with study phase transitions of the $q$-state Potts model,
through a number of unsupervised machine learning techniques, namely Principal
Component Analysis (PCA), $k$-means clustering, Uniform Manifold Approximation
and Projection (UMAP), and Topological Data Analysis (TDA). Even though in all
cases we are able to retrieve the correct critical temperatures $T_c(q)$, for
$q = 3, 4$ and $5$, results show that non-linear methods as UMAP and TDA are
less dependent on finite size effects, while still being able to distinguish
between first and second order phase transitions. This study may be considered
as a benchmark for the use of different unsupervised machine learning
algorithms in the investigation of phase transitions.
- Abstract(参考訳): 本稿では、$q$-state Pottsモデルの位相遷移を、主成分分析(PCA)、$k$-meansクラスタリング、Uniform Manifold Approximation and Projection(UMAP)、トポロジカルデータ解析(TDA)など、教師なしの機械学習技術を用いて、研究する。
すべての場合において、正しい臨界温度を$T_c(q)$, for $q = 3, 4$ and 5,$で取得できるが、結果は、UMAPやTDAのような非線形法は有限サイズ効果に依存せず、第1次と第2次の相転移を区別できることを示している。
この研究は、相転移の研究において異なる教師なし機械学習アルゴリズムを使用するためのベンチマークと見なすことができる。
関連論文リスト
- Computational-Statistical Gaps in Gaussian Single-Index Models [77.1473134227844]
単次元モデル(Single-Index Models)は、植木構造における高次元回帰問題である。
我々は,統計的クエリ (SQ) と低遅延多項式 (LDP) フレームワークの両方において,計算効率のよいアルゴリズムが必ずしも$Omega(dkstar/2)$サンプルを必要とすることを示した。
論文 参考訳(メタデータ) (2024-03-08T18:50:19Z) - Unsupervised learning of site percolation based on shuffled
configurations [6.91923079447459]
本研究では、教師なし学習に基づく主成分分析(PCA)とオートエンコーダ(AE)を適用し、平衡相転移におけるパーコレーションモデルの様々な構成を研究する。
本研究では,ニューラルネットワークの入力として使用するパーコレーショングラフのランダム化と選択を行い,解析を行った。
論文 参考訳(メタデータ) (2023-11-20T10:21:50Z) - PCA and t-SNE analysis in the study of QAOA entangled and non-entangled
mixing operators [0.0]
我々はPCAとt-SNE分析を用いて、絡み合った混合作用素と非絡み合った混合作用素の挙動についてより深い知見を得る。
具体的には、QAOAモデルの$RZ$、$RX$、$RY$パラメータを深さ1L$、$2L$、$3L$で調べる。
その結果,PCA と t-SNE を用いて各実験セットの最終パラメータを処理した場合,特に 2L$ と 3L$ の絡み合った QAOA モデルでは,マッピングに保存できる情報量が増加する。
論文 参考訳(メタデータ) (2023-06-19T16:50:32Z) - Towards Faster Non-Asymptotic Convergence for Diffusion-Based Generative
Models [49.81937966106691]
我々は拡散モデルのデータ生成過程を理解するための非漸近理論のスイートを開発する。
従来の研究とは対照的に,本理論は基本的だが多目的な非漸近的アプローチに基づいて開発されている。
論文 参考訳(メタデータ) (2023-06-15T16:30:08Z) - FeDXL: Provable Federated Learning for Deep X-Risk Optimization [105.17383135458897]
我々は、既存のアルゴリズムが適用できないXリスクのファミリーを最適化するために、新しい連邦学習(FL)問題に取り組む。
Xリスクに対するFLアルゴリズムを設計する際の課題は、複数のマシンに対する目的の非可逆性と、異なるマシン間の相互依存にある。
論文 参考訳(メタデータ) (2022-10-26T00:23:36Z) - Embed to Control Partially Observed Systems: Representation Learning
with Provable Sample Efficiency [133.16370011229776]
部分的に観察されたマルコフ決定過程(POMDP)における強化学習は2つの課題に直面している。
しばしば、未来を予測するのに完全な歴史を要し、地平線と指数関数的にスケールするサンプルの複雑さを誘導する。
本稿では,2段階の表現を最適化しながら学習するETC(Embed to Control)という強化学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-05-26T16:34:46Z) - Transfer learning of phase transitions in percolation and directed
percolation [2.0342076109301583]
本研究では,非平衡・平衡相転移モデルの研究のために,転送学習に基づくドメイン対向ニューラルネットワーク(DANN)を適用した。
両モデルのDANN学習はモンテカルロシミュレーションに匹敵する信頼性の高い結果をもたらす。
論文 参考訳(メタデータ) (2021-12-31T15:24:09Z) - Unsupervised machine learning of topological phase transitions from
experimental data [52.77024349608834]
超低温原子からの実験データに教師なし機械学習技術を適用する。
我々は、完全にバイアスのない方法で、ハルダンモデルの位相位相図を得る。
我々の研究は、複雑な多体系における新しいエキゾチック位相の教師なし検出のためのベンチマークを提供する。
論文 参考訳(メタデータ) (2021-01-14T16:38:21Z) - Stochastic Approximation for Online Tensorial Independent Component
Analysis [98.34292831923335]
独立成分分析(ICA)は統計機械学習や信号処理において一般的な次元削減ツールである。
本稿では,各独立成分を推定する副産物オンライン時系列アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-12-28T18:52:37Z) - Error-guided likelihood-free MCMC [2.0305676256390934]
この研究は、難解なエビデンスと可能性関数を持つモデルに対する新しい後部推論法を示す。
誤り誘導の可能性のないEG-LF-MCMCは科学応用のために開発された。
論文 参考訳(メタデータ) (2020-10-13T23:25:31Z)
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。