論文の概要: Typical perturbation theory: conditions, accuracy and comparison with a mesoscopic case

• arxiv url: http://arxiv.org/abs/2207.05502v2
• Date: Fri, 29 Jul 2022 09:15:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-05 09:36:46.692890
• Title: Typical perturbation theory: conditions, accuracy and comparison with a mesoscopic case
• Title（参考訳）: 典型的摂動理論: 条件, 正確性, およびメゾスコピックケースとの比較
• Authors: Mats H. Lamann and Jochen Gemmer
• Abstract要約: Ref.[1] で導入され、Refs. [2, 3] でさらに洗練された典型性に基づく摂動理論は、3つのスピンベースモデルで検証される。 条件を満たすこと、予測された力学の精度、メソスコピックケースに対する結果の関連性について、以下の基準に焦点をあてる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The perturbation theory based on typicality introduced in Ref. [1] and further refined in Refs. [2, 3] provides a powerful tool since it is intended to be applicable to a wide range of scenarios while relying only on a few parameters. Even though the authors present various examples to demonstrate the effectiveness of the theory, the conditions used in its derivation are often not thoroughly checked. It is argued that this is justified (without analytical reasoning) by the robustness of the theory. In the paper at hand, said perturbation theory is tested on three spin-based models. The following criteria are taken into focus: the fulfillment of the conditions, the accuracy of the predicted dynamics and the relevance of the results with respect to a mesoscopic case.
• Abstract（参考訳）: Refで導入された典型に基づく摂動理論。 [1]およびさらに改良されたRefs。 2, 3]は、いくつかのパラメータにのみ依存しながら、幅広いシナリオに適用できるように設計されているため、強力なツールを提供する。 著者らは理論の有効性を実証するために様々な例を挙げているが、その導出に使用される条件はしばしば徹底的に検証されない。 これは理論の強固さによって正当化される(分析的推論を伴わない)と論じられている。 本稿では、この摂動理論を3つのスピンベースモデルで検証する。 条件を満たすこと、予測された力学の精度、メソスコピックケースに対する結果の関連性について、以下の基準に焦点をあてる。

関連論文リスト

• An Effective Theory of Bias Amplification [18.648588509429167]
  機械学習モデルは、データに存在するバイアスをキャプチャして増幅し、社会的グループ間で異なるテストパフォーマンスをもたらす。 本稿では、従来のニューラルネットワークを単純化した状態下でモデル化するリッジ回帰の文脈において、正確な解析理論を提案する。 我々の理論は、機械学習バイアスの統一的で厳密な説明を提供し、バイアス増幅やマイノリティグループバイアスのような現象に関する洞察を提供する。
  論文  参考訳（メタデータ） (2024-10-07T08:43:22Z)
• Unveil Conditional Diffusion Models with Classifier-free Guidance: A Sharp Statistical Theory [87.00653989457834]
  条件付き拡散モデルは現代の画像合成の基礎となり、計算生物学や強化学習などの分野に広く応用されている。 経験的成功にもかかわらず、条件拡散モデルの理論はほとんど欠落している。 本稿では,条件拡散モデルを用いた分布推定の急激な統計的理論を提示することにより,ギャップを埋める。
  論文  参考訳（メタデータ） (2024-03-18T17:08:24Z)
• Simultaneous inference for generalized linear models with unmeasured confounders [0.0]
  本稿では,構造を利用して線形射影を3つの重要な段階に統合する,統一的な統計的推定と推測の枠組みを提案する。 サンプルおよび応答サイズとして$z$-testsの効果的なType-Iエラー制御が無限大に近づくことを示す。
  論文  参考訳（メタデータ） (2023-09-13T18:53:11Z)
• Derivation of Standard Quantum Theory via State Discrimination [53.64687146666141]
  一般確率理論(英: General Probabilistic Theories, GPTs)は、標準量子論を解くための新しい情報理論のアプローチである。 一般モデルにおける状態判別と呼ばれる情報処理における性能のバウンダリに着目する。 我々は,GPTの一般モデルから標準量子論を,状態判別のための性能の境界によって特徴づける。
  論文  参考訳（メタデータ） (2023-07-21T00:02:11Z)
• Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
  ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。 提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。 複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
  論文  参考訳（メタデータ） (2023-06-09T08:30:51Z)
• Deep Grey-Box Modeling With Adaptive Data-Driven Models Toward Trustworthy Estimation of Theory-Driven Models [88.63781315038824]
  本稿では,ニューラルネットワークのアーキテクチャとトレーニング目標にわずかな変化を伴って,レギュレータの動作を経験的に分析することのできるフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-24T10:42:26Z)
• Gauge-equivariant flow models for sampling in lattice field theories with pseudofermions [51.52945471576731]
  本研究は,フェルミオン行列式の推定器として擬フェルミオンを用いたフェルミオン格子場理論におけるフローベースサンプリングのためのゲージ不変アーキテクチャを提案する。 これは最先端の格子場理論計算におけるデフォルトのアプローチであり、QCDのような理論へのフローモデルの実践的応用に欠かせない。
  論文  参考訳（メタデータ） (2022-07-18T21:13:34Z)
• Can convolutional ResNets approximately preserve input distances? A frequency analysis perspective [31.897568775099558]
  正規化スキームとbi-Lipschitznessの理論的関係は、実際には成り立たない条件下でのみ有効であることを示す。 距離保存条件に対する逆例を探索する簡単な構成的アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-04T13:12:42Z)
• General Probabilistic Theories with a Gleason-type Theorem [0.0]
  量子論のグリーソン型定理は、量子状態空間を復元することを可能にする。 グリーソン型定理も含む一般確率論のクラスを同定する。
  論文  参考訳（メタデータ） (2020-05-28T17:29:29Z)
• Marginal likelihood computation for model selection and hypothesis testing: an extensive review [66.37504201165159]
  この記事では、このトピックの最先端に関する総合的な研究について紹介する。 さまざまなテクニックの制限、メリット、コネクション、差異を強調します。 また、不適切な事前利用の問題や解決法についても述べる。
  論文  参考訳（メタデータ） (2020-05-17T18:31:58Z)
• Equivariant online predictions of non-stationary time series [0.0]
  モデル不特定条件下での統計的手法の理論的予測特性を解析する。 ランダムウォーク・ダイナミック・リニア・モデル(ランダムウォーク・ダイナミック・リニア・モデル)の特定のクラスが、正確なミニマックス予測密度を生成することを示す。
  論文  参考訳（メタデータ） (2019-11-20T01:46:24Z)

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。