論文の概要: Block sparsity and gauge mediated weight sharing for learning dynamical
laws from data
- arxiv url: http://arxiv.org/abs/2208.01591v2
- Date: Thu, 4 Aug 2022 13:27:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-02 14:19:12.242639
- Title: Block sparsity and gauge mediated weight sharing for learning dynamical
laws from data
- Title(参考訳): データから動的法則を学習するためのブロック間隔とゲージ経由の重み共有
- Authors: M. G\"otte, J. Fuksa, I. Roth, J. Eisert
- Abstract要約: 本稿では,古典力学系の力学則をデータから学習する手法を提案する。
後者では,機械学習の概念に着想を得て,ゲージを用いたウェイトシェアリング手法を提案する。
この手法の性能を3つの1次元システムで数値的に示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent years have witnessed an increased interest in recovering dynamical
laws of complex systems in a largely data-driven fashion under meaningful
hypotheses. In this work, we propose a method for scalably learning dynamical
laws of classical dynamical systems from data. As a novel ingredient, to
achieve an efficient scaling with the system size, block sparse tensor trains -
instances of tensor networks applied to function dictionaries - are used and
the self similarity of the problem is exploited. For the latter, we propose an
approach of gauge mediated weight sharing, inspired by notions of machine
learning, which significantly improves performance over previous approaches.
The practical performance of the method is demonstrated numerically on three
one-dimensional systems - the Fermi-Pasta-Ulam-Tsingou system, rotating
magnetic dipoles and classical particles interacting via modified Lennard-Jones
potentials. We highlight the ability of the method to recover these systems,
requiring 1400 samples to recover the 50 particle Fermi-Pasta-Ulam-Tsingou
system to residuum of $5\times10^{-7}$, 900 samples to recover the 50 particle
magnetic dipole chain to residuum of $1.5\times10^{-4}$ and 7000 samples to
recover the Lennard-Jones system of 10 particles to residuum
$1.5\times10^{-2}$. The robustness against additive Gaussian noise is
demonstrated for the magnetic dipole system.
- Abstract(参考訳): 近年、複雑なシステムの動的法則を、有意義な仮説の下で主にデータ駆動方式で回復することへの関心が高まっている。
本研究では,古典力学系の力学法則をデータからスカラー学習する手法を提案する。
新たな要素として,システム規模の効率的なスケーリングを実現するために,関数辞書に適用したテンソルネットワークのブロックスパーステンソルトレインを用いるとともに,問題の自己類似性を活用する。
後者では,従来の手法よりも性能が大幅に向上する機械学習の概念に着想を得た,ゲージ経由の重み共有手法を提案する。
本手法の実用性は, フェルミ・パスタ・ウラム・チンゴシステム, 回転磁気双極子, 修正レナード・ジョーンズポテンシャルを介して相互作用する古典粒子の3つの一次元系において数値的に証明された。
1400のサンプルで50個の粒子fermi-pasta-ulam-tsingou系を5,\times10^{-7}$,900のサンプルで50個の粒子磁気双極子鎖を回収し、$1.5\times10^{-4}$,7000のサンプルで10個の粒子のlennard-jones系を回収して$1.5\times10^{-2}$とする。
磁気双極子系では、加法ガウス雑音に対するロバスト性を示す。
関連論文リスト
- Restricted Monte Carlo wave function method and Lindblad equation for identifying entangling open-quantum-system dynamics [0.0]
我々のアルゴリズムは、分離可能な状態の集合に対して接射影を行い、古典的に相関した量子軌道へと導かれる。
この方法を適用することは、2量子系に対する citePAH24 で導入されたリンドブラッド形式における非線形マスター方程式の解法と等価である。
開系における動的絡み合いの影響を,いくつかの相関崩壊過程に適用することにより同定する。
論文 参考訳(メタデータ) (2024-12-11T19:05:34Z) - Learning Controlled Stochastic Differential Equations [61.82896036131116]
本研究では,非一様拡散を伴う連続多次元非線形微分方程式のドリフト係数と拡散係数の両方を推定する新しい手法を提案する。
我々は、(L2)、(Linfty)の有限サンプル境界や、係数の正則性に適応する学習率を持つリスクメトリクスを含む、強力な理論的保証を提供する。
当社のメソッドはオープンソースPythonライブラリとして利用可能です。
論文 参考訳(メタデータ) (2024-11-04T11:09:58Z) - Distributionally Robust Model-based Reinforcement Learning with Large
State Spaces [55.14361269378122]
強化学習における3つの大きな課題は、大きな状態空間を持つ複雑な力学系、コストのかかるデータ取得プロセス、トレーニング環境の展開から現実の力学を逸脱させることである。
広範に用いられているKullback-Leibler, chi-square, および全変分不確実性集合の下で, 連続状態空間を持つ分布ロバストなマルコフ決定過程について検討した。
本稿では,ガウス過程と最大分散削減アルゴリズムを用いて,多出力名目遷移力学を効率的に学習するモデルベースアプローチを提案する。
論文 参考訳(メタデータ) (2023-09-05T13:42:11Z) - Dynamic Kernel-Based Adaptive Spatial Aggregation for Learned Image
Compression [63.56922682378755]
本稿では,空間アグリゲーション機能の拡張に焦点をあて,動的カーネルベースの変換符号化を提案する。
提案したアダプティブアグリゲーションはカーネルオフセットを生成し、コンテント条件付き範囲の有効な情報をキャプチャして変換を支援する。
実験により,本手法は,最先端の学習手法と比較して,3つのベンチマークにおいて高い速度歪み性能が得られることを示した。
論文 参考訳(メタデータ) (2023-08-17T01:34:51Z) - Guaranteed Conservation of Momentum for Learning Particle-based Fluid
Dynamics [96.9177297872723]
本稿では,学習物理シミュレーションにおける線形運動量を保証する新しい手法を提案する。
我々は、強い制約で運動量の保存を強制し、反対称的な連続的な畳み込み層を通して実現する。
提案手法により,学習シミュレータの物理的精度を大幅に向上させることができる。
論文 参考訳(メタデータ) (2022-10-12T09:12:59Z) - Capturing Actionable Dynamics with Structured Latent Ordinary
Differential Equations [68.62843292346813]
本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。
静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
論文 参考訳(メタデータ) (2022-02-25T20:00:56Z) - Decimation technique for open quantum systems: a case study with
driven-dissipative bosonic chains [62.997667081978825]
量子系の外部自由度への不可避結合は、散逸(非単体)ダイナミクスをもたらす。
本稿では,グリーン関数の(散逸的な)格子計算に基づいて,これらのシステムに対処する手法を提案する。
本手法のパワーを,複雑性を増大させる駆動散逸型ボゾン鎖のいくつかの例で説明する。
論文 参考訳(メタデータ) (2022-02-15T19:00:09Z) - Dynamics of two-dimensional open quantum lattice models with tensor
networks [0.0]
熱力学的極限に直接適用可能な無限射影ペア演算子(iPEPO)アンサッツに基づくテンソルネットワーク法を開発した。
非平均場限界における散逸的逆量子イジングと駆動散逸型ハードコアボソンモデルを考える。
提案手法は,既存の手法の適用範囲をはるかに超えながら,現在の実験に利用できる制度を研究できる。
論文 参考訳(メタデータ) (2020-12-22T18:24:20Z) - Efficient variational contraction of two-dimensional tensor networks
with a non-trivial unit cell [0.0]
テンソルネットワーク状態は、強い相関の量子モデルとシステムを忠実にキャプチャする効率的な状態のクラスを提供する。
我々は最近提案された一次元量子格子をキャプチャするための変分行列積状態アルゴリズムを一般化する。
このアルゴリズムの重要な性質は、単位セルのサイズを指数的にではなく線形にスケールする計算努力である。
論文 参考訳(メタデータ) (2020-03-02T19:01:06Z) - The entanglement membrane in chaotic many-body systems [0.0]
ある種の解析的抽出可能な量子カオスシステムでは、時間外相関関数の計算、クエンチ後の絡み合いエントロピー、その他の関連する動的可観測物は、時空における絡み合い膜の効果的な理論に還元される。
ここでは、ランダムなユニタリ平均を含まない、より現実的なモデルでこの膜を理解する方法を示す。
論文 参考訳(メタデータ) (2019-12-27T19:01:13Z)
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。