Fugu-MT 論文翻訳(概要): Path integral molecular dynamics simulations for Green's function in a system of identical bosons

論文の概要: Path integral molecular dynamics simulations for Green's function in a system of identical bosons

arxiv url: http://arxiv.org/abs/2203.09919v1
Date: Thu, 17 Mar 2022 01:06:07 GMT
ステータス: 処理完了
システム内更新日: 2023-02-21 20:36:06.477329
Title: Path integral molecular dynamics simulations for Green's function in a system of identical bosons
Title（参考訳）: 同一ボソン系におけるグリーン関数の経路積分分子動力学シミュレーション
Authors: Xiong Yunuo, Xiong Hongwei
Abstract要約: 我々は PIMD 技術を拡張して, ボソニック系のグリーン関数について検討する。また,同種の相互作用ボソン系にも本手法を適用し,臨界温度付近のベレジンスキー-コステリッツ-Thouless遷移を研究する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Path integral molecular dynamics (PIMD) has been successfully applied to perform simulations of large bosonic systems in a recent work (Hirshberg et al., PNAS, 116, 21445 (2019)). In this work we extend PIMD techniques to study Green's function for bosonic systems. We demonstrate that the development of the original PIMD method enables us to calculate Green's function and extract momentum distribution from our simulations. We also apply our method to systems of identical interacting bosons to study Berezinskii-Kosterlitz-Thouless transition around its critical temperature.
Abstract（参考訳）: 経路積分分子動力学(pimd)は、最近の研究(hirshberg et al., pnas, 116, 21445 (2019))において、大きなボソニック系のシミュレーションにうまく適用されている。本研究では PIMD 技術を拡張して, ボソニック系のグリーン関数について検討する。元のPIMD法の開発により,グリーン関数を計算し,シミュレーションから運動量分布を抽出できることが実証された。また,同種の相互作用ボソン系にも本手法を適用し,臨界温度付近のベレジンスキー-コステリッツ-Thouless遷移を研究する。

関連論文リスト

Bellman Diffusion: Generative Modeling as Learning a Linear Operator in the Distribution Space [72.52365911990935]
本稿では,MDPの線形性を維持する新しいDGMフレームワークであるBellman Diffusionを紹介する。この結果から,ベルマン拡散は分布RLタスクにおける従来のヒストグラムベースベースラインよりも1.5倍高速に収束し,精度の高い画像生成装置であることがわかった。
論文参考訳（メタデータ） (2024-10-02T17:53:23Z)
A Multi-Grained Symmetric Differential Equation Model for Learning Protein-Ligand Binding Dynamics [73.35846234413611]
薬物発見において、分子動力学(MD)シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。我々は,数値MDを容易にし,タンパク質-リガンド結合ダイナミクスの正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。従来の数値MDシミュレーションと比較して1K$times$ Speedupを実現することにより,NeuralMDの有効性と有効性を示す。
論文参考訳（メタデータ） (2024-01-26T09:35:17Z)
Stochastic Schr\"odinger equation approach to real-time dynamics of Anderson-Holstein impurities: an open quantum system perspective [3.105656247358225]
連続フェルミオン浴に結合したアンダーソン・ホルシュタイン不純物の力学をシミュレートする枠組みを開発した。このようなSSE処理は、数値的拡大顕微鏡シミュレーションとマスター方程式の中間となる。
論文参考訳（メタデータ） (2023-09-16T06:03:54Z)
Computing the many-body Green's function with adaptive variational quantum dynamics [0.0]
本稿では,適応型変分量子力学シミュレーション手法を用いて,多体実時間グリーン関数を計算する手法を提案する。我々は,IBM Q量子コンピュータ上でのグリーン関数の評価を行った。
論文参考訳（メタデータ） (2023-02-06T19:49:16Z)
Agnostic Physics-Driven Deep Learning [82.89993762912795]
この研究は、物理系が勾配計算を使わずに統計的勾配学習を行えることを証明している。 Aeqpropでは、システムの詳細を知る必要はなく、プロシージャは外部操作に基づいている。 Aeqpropはまた、自然(生物)物理系において、真の勾配に基づく統計学習は、一般的な比較的単純なメカニズムによってもたらされることを証明している。
論文参考訳（メタデータ） (2022-05-30T12:02:53Z)
Learning black- and gray-box chemotactic PDEs/closures from agent based Monte Carlo simulation data [0.6882042556551611]
マクロな運動的部分微分方程式(PDE)をデータ駆動で発見するための機械学習フレームワークを提案する。微細で詳細なハイブリッド(連続-モンテカルロ)シミュレーションモデルは、基礎となる生物物理学を具現化している。我々は,機械学習回帰器を用いて,粗い「ケラー・セゲル類」ケモティックPDEを学習する。
論文参考訳（メタデータ） (2022-05-26T03:02:49Z)
Numerical calculation of Green's function and momentum distribution for spin-polarized fermions by path integral molecular dynamics [0.0]
PIMDはグリーン関数を計算し、スピン偏極フェルミオンの運動量分布を抽出するために開発することができる。 PIMDは,Fermi-HubbardモデルにおけるMott絶縁体の低温原子シミュレーションなど,多数の量子システムへの応用の可能性を示す。
論文参考訳（メタデータ） (2022-04-05T11:09:09Z)
Exact formulas of the end-to-end Green's functions in non-Hermitian systems [0.0]
非エルミート系におけるグリーン関数は、方向増幅が可能である。単一バンドシステムの終端グリーン関数の正確な公式を導出する。
論文参考訳（メタデータ） (2021-09-07T12:36:42Z)
Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
論文参考訳（メタデータ） (2021-06-05T01:31:51Z)
Method of spectral Green functions in driven open quantum dynamics [77.34726150561087]
オープン量子力学のシミュレーションのために,スペクトルグリーン関数に基づく新しい手法を提案する。この形式主義は、場の量子論におけるグリーン関数の使用と顕著な類似性を示している。本手法は,完全マスター方程式の解法に基づくシミュレーションと比較して計算コストを劇的に削減する。
論文参考訳（メタデータ） (2020-06-04T09:41:08Z)
A Near-Optimal Gradient Flow for Learning Neural Energy-Based Models [93.24030378630175]
学習エネルギーベースモデル(EBM)の勾配流を最適化する新しい数値スキームを提案する。フォッカー・プランク方程式から大域相対エントロピーの2階ワッサーシュタイン勾配流を導出する。既存のスキームと比較して、ワッサーシュタイン勾配流は実データ密度を近似するより滑らかで近似的な数値スキームである。
論文参考訳（メタデータ） (2019-10-31T02:26:20Z)

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。