論文の概要: A simple framework for contrastive learning phases of matter

• arxiv url: http://arxiv.org/abs/2205.05607v1
• Date: Wed, 11 May 2022 16:25:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-12 22:00:38.556438
• Title: A simple framework for contrastive learning phases of matter
• Title（参考訳）: 物質のコントラスト学習段階のための簡易な枠組み
• Authors: Xiao-Qi Han, Sheng-Song Xu, Zhen Feng, Rong-Qiang He, and Zhong-Yi Lu
• Abstract要約: SimCLPは、物質の対照的な学習フェーズのためのフレームワークである。 フレキシブルで、手動のフィーチャエンジニアリングや事前の知識など、通常の負担を伴わない。 表現ベクトルやラベルを生成することができ、それによって他の問題に取り組むのに役立つ。
• 参考スコア（独自算出の注目度）: 2.2045685167306246
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A main task in condensed-matter physics is to recognize, classify, and characterize phases of matter and the corresponding phase transitions, for which machine learning provides a new class of research tools due to the remarkable development in computing power and algorithms. Despite much exploration in this new field, usually different methods and techniques are needed for different scenarios. Here, we present SimCLP: a simple framework for contrastive learning phases of matter, which is inspired by the recent development in contrastive learning of visual representations. We demonstrate the success of this framework on several representative systems, including classical and quantum, single-particle and many-body, conventional and topological. SimCLP is flexible and free of usual burdens such as manual feature engineering and prior knowledge. The only prerequisite is to prepare enough state configurations. Furthermore, it can generate representation vectors and labels and hence help tackle other problems. SimCLP therefore paves an alternative way to the development of a generic tool for identifying unexplored phase transitions.
• Abstract（参考訳）: 凝縮マッター物理学における主なタスクは、物質の相と対応する相転移を認識し、分類し、特徴付けることである。 この新しい分野における多くの調査にもかかわらず、通常、異なるシナリオに対して異なる方法とテクニックが必要である。 本稿では,視覚表現のコントラスト学習における最近の発展に触発された,物体のコントラスト学習のためのシンプルなフレームワークであるSimCLPを提案する。 本稿では,古典的,量子的,単粒子的,多体的,従来的,トポロジ的など,いくつかの代表的なシステムにおけるこのフレームワークの成功例を示す。 SimCLPは柔軟で、手動の特徴工学や事前知識といった通常の負担を伴わない。 唯一の前提条件は、十分な状態設定を準備することだ。 さらに、表現ベクトルとラベルを生成し、それゆえ他の問題に取り組むのに役立つ。 従ってsimclpは、未探索の相転移を識別するための汎用的なツールを開発するための代替手段となる。

関連論文リスト

• Coding for Intelligence from the Perspective of Category [66.14012258680992]
  符号化の対象はデータの圧縮と再構成、インテリジェンスである。 最近の傾向は、これらの2つの分野の潜在的均一性を示している。 本稿では,カテゴリ理論の観点から,インテリジェンスのためのコーディングの新たな問題を提案する。
  論文  参考訳（メタデータ） (2024-07-01T07:05:44Z)
• Towards Complex Ontology Alignment using Large Language Models [1.3218260503808055]
  オントロジーアライメント(オントロジーアライメント)は、異なるラベルとコンテンツ間の関係を検出するWebにおける重要なプロセスである。 近年のLarge Language Models (LLMs) の進歩は,工学的実践の強化に新たな機会をもたらす。 本稿では,LLM技術の複雑なアライメント問題への取り組みについて検討する。
  論文  参考訳（メタデータ） (2024-04-16T07:13:22Z)
• SiLK -- Simple Learned Keypoints [11.208547877814574]
  キーポイント検出と記述子は、画像マッチング、3D再構成、視覚計測といったコンピュータビジョンタスクのための基礎技術である。 最近の学習に基づく手法は、実験的な設定と設計の選択肢を多種多様に採用している。 我々は、各コンポーネントを第一原理から再設計し、完全微分可能で軽量でフレキシブルなSimple Learned Keypoints (SiLK)を提案する。
  論文  参考訳（メタデータ） (2023-04-12T23:56:00Z)
• Learned multiphysics inversion with differentiable programming and machine learning [1.8893605328938345]
  本稿では, 画像・モデリング・監視のための地震研究所 (SLIM) を, 計算物理のためのオープンソースソフトウェアフレームワークとして紹介する。 複数の抽象化レイヤを統合することで、ソフトウェアは可読性と拡張性の両方を持つように設計されています。
  論文  参考訳（メタデータ） (2023-04-12T03:38:22Z)
• A Closer Look at Few-shot Classification Again [68.44963578735877]
  トレーニングフェーズと適応フェーズで構成されている。 トレーニングアルゴリズムと適応アルゴリズムが完全に絡み合っていることを実証的に証明する。 各フェーズのメタアナリシスは、いくつかの興味深い洞察を示し、いくつかのショット分類の重要な側面をよりよく理解するのに役立ちます。
  論文  参考訳（メタデータ） (2023-01-28T16:42:05Z)
• Hierarchically Structured Task-Agnostic Continual Learning [0.0]
  本研究では,連続学習のタスク非依存的な視点を取り入れ,階層的情報理論の最適性原理を考案する。 我々は,情報処理経路の集合を作成することで,忘れを緩和する,Mixture-of-Variational-Experts層と呼ばれるニューラルネットワーク層を提案する。 既存の連続学習アルゴリズムのようにタスク固有の知識を必要としない。
  論文  参考訳（メタデータ） (2022-11-14T19:53:15Z)
• What Makes Good Contrastive Learning on Small-Scale Wearable-based Tasks? [59.51457877578138]
  本研究では,ウェアラブル型行動認識タスクにおけるコントラスト学習について検討する。 本稿では,PyTorchライブラリのtextttCL-HAR について述べる。
  論文  参考訳（メタデータ） (2022-02-12T06:10:15Z)
• Panoramic Learning with A Standardized Machine Learning Formalism [116.34627789412102]
  本稿では,多様なMLアルゴリズムの統一的な理解を提供する学習目的の標準化された方程式を提案する。 また、新しいMLソリューションのメカニック設計のガイダンスも提供し、すべての経験を持つパノラマ学習に向けた有望な手段として機能する。
  論文  参考訳（メタデータ） (2021-08-17T17:44:38Z)
• Exploring Complementary Strengths of Invariant and Equivariant Representations for Few-Shot Learning [96.75889543560497]
  多くの現実世界では、多数のラベル付きサンプルの収集は不可能です。 少ないショット学習はこの問題に対処するための主要なアプローチであり、目的は限られた数のサンプルの存在下で新しいカテゴリに迅速に適応することです。 幾何学的変換の一般集合に対する等分散と不変性を同時に強制する新しい訓練機構を提案する。
  論文  参考訳（メタデータ） (2021-03-01T21:14:33Z)
• Investigating Bi-Level Optimization for Learning and Vision from a Unified Perspective: A Survey and Beyond [114.39616146985001]
  機械学習やコンピュータビジョンの分野では、モチベーションやメカニズムが異なるにもかかわらず、複雑な問題の多くは、一連の密接に関連するサブプロトコルを含んでいる。 本稿では,BLO(Bi-Level Optimization)の観点から,これらの複雑な学習と視覚問題を一様に表現する。 次に、値関数に基づく単一レベル再構成を構築し、主流勾配に基づくBLO手法を理解し、定式化するための統一的なアルゴリズムフレームワークを確立する。
  論文  参考訳（メタデータ） (2021-01-27T16:20:23Z)

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。