論文の概要: Adapting reservoir computing to solve the Schr\"odinger equation
- arxiv url: http://arxiv.org/abs/2202.06130v1
- Date: Sat, 12 Feb 2022 19:28:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-26 00:46:12.475419
- Title: Adapting reservoir computing to solve the Schr\"odinger equation
- Title(参考訳): Schr\\odinger方程式の解法への貯水池計算の適用
- Authors: L. Domingo, J. Borondo and F. Borondo
- Abstract要約: 貯留層計算(Reservoir computing)は、時系列の進化を予測する機械学習アルゴリズムである。
時間に依存するシュリンガー方程式を統合するためにこの手法を適用し、時間における初期波動関数を伝播する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Reservoir computing is a machine learning algorithm that excels at predicting
the evolution of time series, in particular, dynamical systems. Moreover, it
has also shown superb performance at solving partial differential equations. In
this work, we adapt this methodology to integrate the time-dependent
Schr\"odinger equation, propagating an initial wavefunction in time. Since such
wavefunctions are complex-valued high-dimensional arrays the reservoir
computing formalism needs to be extended to cope with complex-valued data.
Furthermore, we propose a multi-step learning strategy that avoids overfitting
the training data. We illustrate the performance of our adapted reservoir
computing method by application to four standard problems in molecular
vibrational dynamics.
- Abstract(参考訳): 貯留層計算(Reservoir computing)は、時系列、特に動的システムの進化を予測する機械学習アルゴリズムである。
さらに、偏微分方程式の解法における超越性も示している。
本研究では、この手法を時間依存シュリンガー方程式の統合に適用し、初期波動関数を時間内に伝播する。
このような波動関数は複素値高次元配列であるため、複素値データに対処するために、貯留層計算形式を拡張する必要がある。
さらに,トレーニングデータの過度な適合を回避する多段階学習戦略を提案する。
分子振動力学における4つの標準問題に適用した適応型貯水池計算法の性能について述べる。
関連論文リスト
- Controlling dynamical systems to complex target states using machine
learning: next-generation vs. classical reservoir computing [68.8204255655161]
機械学習を用いた非線形力学系の制御は、システムを周期性のような単純な振る舞いに駆動するだけでなく、より複雑な任意の力学を駆動する。
まず, 従来の貯水池計算が優れていることを示す。
次のステップでは、これらの結果を異なるトレーニングデータに基づいて比較し、代わりに次世代貯水池コンピューティングを使用する別のセットアップと比較する。
その結果、通常のトレーニングデータに対して同等のパフォーマンスを提供する一方で、次世代RCは、非常に限られたデータしか利用できない状況において、著しくパフォーマンスが向上していることがわかった。
論文 参考訳(メタデータ) (2023-07-14T07:05:17Z) - Optimization of a Hydrodynamic Computational Reservoir through Evolution [58.720142291102135]
我々は,スタートアップが開発中の流体力学系のモデルと,計算貯水池としてインターフェースする。
我々は、進化探索アルゴリズムを用いて、読み出し時間と入力を波の振幅や周波数にどのようにマッピングするかを最適化した。
この貯水池システムに進化的手法を適用することで、手作業パラメータを用いた実装と比較して、XNORタスクの分離性が大幅に向上した。
論文 参考訳(メタデータ) (2023-04-20T19:15:02Z) - Locally Regularized Neural Differential Equations: Some Black Boxes Were
Meant to Remain Closed! [3.222802562733787]
ニューラル微分方程式のような暗黙の層深層学習技術は重要なモデリングフレームワークとなっている。
パフォーマンスとトレーニング時間をトレードオフする2つのサンプリング戦略を開発します。
本手法は,関数評価を0.556-0.733xに削減し,予測を1.3-2xに高速化する。
論文 参考訳(メタデータ) (2023-03-03T23:31:15Z) - Semi-supervised Learning of Partial Differential Operators and Dynamical
Flows [68.77595310155365]
本稿では,超ネットワーク解法とフーリエニューラル演算子アーキテクチャを組み合わせた新しい手法を提案する。
本手法は, 1次元, 2次元, 3次元の非線形流体を含む様々な時間発展PDEを用いて実験を行った。
その結果、新しい手法は、監督点の時点における学習精度を向上し、任意の中間時間にその解を補間できることを示した。
論文 参考訳(メタデータ) (2022-07-28T19:59:14Z) - Accelerating Real-Time Coupled Cluster Methods with Single-Precision
Arithmetic and Adaptive Numerical Integration [3.469636229370366]
単精度算術は,実時間シミュレーションの記憶コストと乗算コストを約2倍に削減することを示した。
水クラスターの試験シミュレーションにおいて, 最大14因子のさらなる高速化は, 素直な実装によって得られる。
論文 参考訳(メタデータ) (2022-05-10T21:21:49Z) - Learning Linearized Assignment Flows for Image Labeling [70.540936204654]
画像ラベリングのための線形化代入フローの最適パラメータを推定するための新しいアルゴリズムを提案する。
この式をKrylov部分空間と低ランク近似を用いて効率的に評価する方法を示す。
論文 参考訳(メタデータ) (2021-08-02T13:38:09Z) - Using Data Assimilation to Train a Hybrid Forecast System that Combines
Machine-Learning and Knowledge-Based Components [52.77024349608834]
利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。
動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
論文 参考訳(メタデータ) (2021-02-15T19:56:48Z) - Fast and differentiable simulation of driven quantum systems [58.720142291102135]
我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。
回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
論文 参考訳(メタデータ) (2020-12-16T21:43:38Z) - Low rank compression in the numerical solution of the nonequilibrium
Dyson equation [0.0]
ケルディシュ形式論における非平衡ダイソン方程式に対する数値解法の計算効率とメモリ効率を改善する方法を提案する。
これは、非平衡グリーンの関数と自己エネルギーが多くの物理的関心の問題を生じさせ、行列として識別され、低いランクの対角ブロックを持つという経験的観察に基づいている。
本稿では,この圧縮表現を時間ステップ中に高速に構築し,計算履歴積分のコスト削減に使用するアルゴリズムについて述べる。
論文 参考訳(メタデータ) (2020-10-13T16:09:20Z) - Enhancement of shock-capturing methods via machine learning [0.0]
我々は不連続解を用いてPDEをシミュレートするための改良された有限体積法を開発した。
5階WENO法の結果を改善するためにニューラルネットワークを訓練する。
数値解が過度に拡散するシミュレーションにおいて,本手法はWENOよりも優れていることがわかった。
論文 参考訳(メタデータ) (2020-02-06T21:51:39Z)
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。