Fugu-MT 論文翻訳(概要): Matrix Product States with Backflow correlations

論文の概要: Matrix Product States with Backflow correlations

arxiv url: http://arxiv.org/abs/2201.00810v1
Date: Mon, 3 Jan 2022 18:57:29 GMT
ステータス: 処理完了
システム内更新日: 2023-03-02 09:48:59.442487
Title: Matrix Product States with Backflow correlations
Title（参考訳）: 逆流相関を持つマトリックス製品状態
Authors: Guglielmo Lami, Giuseppe Carleo, Mario Collura
Abstract要約: 本稿では,量子マンボディー波動関数の行列積状態表現を拡張するテンソルネットワークアンサッツを提案する。我々は1次元と2次元のスピンモデルに対して新しいアンサッツをベンチマークし、高精度かつ精度を示す。
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: By taking inspiration from the backflow transformation for correlated systems, we introduce a novel tensor network ansatz which extend the well-established Matrix Product State representation of a quantum-many body wave function. This new structure provides enough resources to ensure that states in dimension larger or equal than one obey an area law for entanglement. It can be efficiently manipulated to address the ground-state search problem by means of an optimization scheme which mixes tensor-network and variational Monte-Carlo algorithms. We benchmark the new ansatz against spin models both in one and two dimensions, demonstrating high accuracy and precision. We finally employ our approach to study the challenging $S=1/2$ two dimensional $J_1 - J_2$ model, demonstrating that it is competitive with the state of the art methods in 2D.
Abstract（参考訳）: 相関系のバックフロー変換から着想を得て,量子マニーボディーウェーブ関数の確立された行列積状態表現を拡張する新しいテンソルネットワークansatzを提案する。この新たな構造は、1次元以上の状態が絡み合う領域法に従うことを保証するのに十分な資源を提供する。テンソルネットワークと変分モンテカルロアルゴリズムを混合した最適化手法を用いて, 基底状態探索問題に効率よく対処することができる。新しいansatzを1次元と2次元の両方のスピンモデルに対してベンチマークし,高い精度と精度を示した。最後に, 2次元の2次元$j_1j_2$モデルに挑戦するアプローチを採用し, 2次元のartメソッドと競合することを実証した。

関連論文リスト

Two dimensional quantum lattice models via mode optimized hybrid CPU-GPU density matrix renormalization group method [0.0]
2つの空間次元量子格子モデル上で量子多体問題をシミュレートするためのハイブリッド数値計算手法を提案する。本研究では, 2次元スピンレスフェルミオンモデルと, トーラス幾何学上のハバードモデルについて, 計算時間における数桁の大きさを節約できることを実証する。
論文参考訳（メタデータ） (2023-11-23T17:07:47Z)
Generating function for projected entangled-pair states [0.1759252234439348]
テンソルネットワークのダイアグラム和に対する生成関数アプローチを拡張した。一粒子励起の形で、生成関数形式において励起状態が効率的に計算可能であることを示す。我々は多粒子励起への一般化に関する議論を締めくくった。
論文参考訳（メタデータ） (2023-07-16T15:49:37Z)
Two Dimensional Isometric Tensor Networks on an Infinite Strip [1.2569180784533303]
有限平方格子上の2次元システムの効率的なシミュレーションを行うために,isoTNS (isoTNS) のクラスを導入する。 2次元量子状態の無限MPS表現をストリップアイソTNSに繰り返し変換し、結果として生じる状態の絡み合い特性を調べる。最後に、無限時間進化ブロックデシミテーションアルゴリズム(iTEBDsuperscript2)を導入し、無限ストリップ幾何学の格子上の2次元横フィールドイジングモデルの基底状態を近似する。
論文参考訳（メタデータ） (2022-11-25T19:00:06Z)
Joint Spatial-Temporal and Appearance Modeling with Transformer for Multiple Object Tracking [59.79252390626194]
本稿ではTransSTAMという新しい手法を提案する。Transformerを利用して各オブジェクトの外観特徴とオブジェクト間の空間的時間的関係の両方をモデル化する。提案手法はMOT16, MOT17, MOT20を含む複数の公開ベンチマークで評価され, IDF1とHOTAの両方で明確な性能向上を実現している。
論文参考訳（メタデータ） (2022-05-31T01:19:18Z)
Efficient Simulation of Dynamics in Two-Dimensional Quantum Spin Systems with Isometric Tensor Networks [0.0]
最近導入された等尺テンソルネットワーク状態(isoTNS)の計算能力について検討する。アイソTNSに基づくアルゴリズムの実装に関する技術的詳細を議論し、異なるアンタングルの比較を行う。 2次元量子スピン系の動的スピン構造係数を2つのパラダイムモデルに対して計算する。
論文参考訳（メタデータ） (2021-12-15T19:00:05Z)
ResNet-LDDMM: Advancing the LDDMM Framework Using Deep Residual Networks [86.37110868126548]
本研究では,eulerの離散化スキームに基づく非定常ode(フロー方程式)の解法として,深層残留ニューラルネットワークを用いた。複雑なトポロジー保存変換の下での3次元形状の多種多様な登録問題について述べる。
論文参考訳（メタデータ） (2021-02-16T04:07:13Z)
Efficient Tensor Network ansatz for high-dimensional quantum many-body problems [0.0]
本稿では,量子多体波動関数のツリーネットワーク表現をよく確立したテンソルネットワーク構造を導入する。我々は、前例のない精度とシステムサイズを示すパラダイム的2次元スピンモデルに対して、この新しいアプローチをベンチマークする。
論文参考訳（メタデータ） (2020-11-16T19:00:04Z)
Connecting Weighted Automata, Tensor Networks and Recurrent Neural Networks through Spectral Learning [58.14930566993063]
我々は、形式言語と言語学からの重み付き有限オートマトン(WFA)、機械学習で使用されるリカレントニューラルネットワーク、テンソルネットワークの3つのモデル間の接続を提示する。本稿では,連続ベクトル入力の列上に定義された線形2-RNNに対する最初の証明可能な学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-10-19T15:28:00Z)
Controllable Orthogonalization in Training DNNs [96.1365404059924]
直交性はディープニューラルネットワーク(DNN)のトレーニングに広く用いられている。本稿では,ニュートン反復(ONI)を用いた計算効率が高く,数値的に安定な直交化法を提案する。本稿では,画像分類ネットワークの性能向上のために,最適化の利点と表現能力の低下との間に最適なトレードオフを与えるために,直交性を効果的に制御する手法を提案する。また、ONIは、スペクトル正規化と同様に、ネットワークのリプシッツ連続性を維持することにより、GAN(Generative Adversarial Network)のトレーニングを安定化させることを示した。
論文参考訳（メタデータ） (2020-04-02T10:14:27Z)
Multi-Objective Matrix Normalization for Fine-grained Visual Recognition [153.49014114484424]
双線形プールは細粒度視覚認識(FGVC)において大きな成功を収める近年,行列パワー正規化は双線形特徴量において2次情報を安定化させることができることが示されている。両線形表現を同時に正規化できる効率的な多目的行列正規化法(MOMN)を提案する。
論文参考訳（メタデータ） (2020-03-30T08:40:35Z)
Learning Gaussian Graphical Models via Multiplicative Weights [54.252053139374205]
乗算重み更新法に基づいて,Klivans と Meka のアルゴリズムを適用した。アルゴリズムは、文献の他のものと質的に類似したサンプル複雑性境界を楽しみます。ランタイムが低い$O(mp2)$で、$m$サンプルと$p$ノードの場合には、簡単にオンライン形式で実装できる。
論文参考訳（メタデータ） (2020-02-20T10:50:58Z)

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。