Fugu-MT 論文翻訳(概要): Entanglement bipartitioning and tree tensor networks

論文の概要: Entanglement bipartitioning and tree tensor networks

arxiv url: http://arxiv.org/abs/2210.11741v2
Date: Thu, 5 Jan 2023 06:22:36 GMT
ステータス: 処理完了
システム内更新日: 2023-01-18 19:44:36.086010
Title: Entanglement bipartitioning and tree tensor networks
Title（参考訳）: 絡み合い分割とツリーテンソルネットワーク
Authors: Kouichi Okunishi, Hiroshi Ueda, Tomotoshi Nishino
Abstract要約: 本稿では,量子多体システムのためのツリーテンソルネットワーク(TTN)の最適ネットワーク構造を設計するための絡み合い分割手法を提案する。最大16個のサイトの絡み合い分割は、1次元と2次元で$S=1/2$ハイゼンベルクモデルに対して非自明なツリーネットワーク構造をもたらすことを示した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose the entanglement bipartitioning approach to design an optimal network structure of the tree-tensor-network (TTN) for quantum many-body systems. Given an exact ground-state wavefunction, we perform sequential bipartitioning of spin-cluster nodes so as to minimize the mutual information or the maximum loss of the entanglement entropy associated with the branch to be bipartitioned. We demonstrate that entanglement bipartitioning of up to 16 sites gives rise to nontrivial tree network structures for $S=1/2$ Heisenberg models in one and two dimensions. The resulting TTNs enable us to obtain better variational energies, compared with standard TTNs such as uniform matrix product state and perfect-binary-tree tensor network.
Abstract（参考訳）: 本稿では,量子多体システムのためのツリーテンソルネットワーク(TTN)の最適ネットワーク構造を設計するための絡み合い分割手法を提案する。厳密な基底状態波動関数が与えられると、スピンクラスターノードの逐次二分割を行い、二分割されるブランチに関連する絡み合いエントロピーの相互情報や最大損失を最小限に抑える。 16地点までの絡み合い2分割は、1次元および2次元の$s=1/2$ハイゼンベルクモデルに対して非自明なツリーネットワーク構造をもたらすことを実証する。その結果,一様行列積状態や完全二分木テンソルネットワークなどの標準TTNと比較して,より優れた変動エネルギーが得られることがわかった。

関連論文リスト

Optimal Tree Tensor Network Operators for Tensor Network Simulations: Applications to Open Quantum Systems [0.0]
ツリーテンソルネットワーク状態(TTNS)は、システムの波動関数を低ランクテンソルの積に分解する。本稿では,任意の積和シンボル量子演算子に対して,最適かつ正確なツリーテンソルネットワーク演算子(TTNO)を自動構築するアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-07-18T02:15:52Z)
Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
論文参考訳（メタデータ） (2024-05-22T17:23:15Z)
Visualization of Entanglement Geometry by Structural Optimization of Tree Tensor Network [0.0]
木テンソルネットワークのための構造最適化アルゴリズムを提案する。提案アルゴリズムは,スピン・シングレット対の空間的パターンを基底状態に可視化する。
論文参考訳（メタデータ） (2024-01-29T09:39:24Z)
Hierarchical Multi-Marginal Optimal Transport for Network Alignment [52.206006379563306]
マルチネットワークアライメントは,複数ネットワーク上での協調学習に必須の要件である。マルチネットワークアライメントのための階層型マルチマージ最適トランスポートフレームワークHOTを提案する。提案するHOTは,有効性とスケーラビリティの両面で,最先端の大幅な改善を実現している。
論文参考訳（メタデータ） (2023-10-06T02:35:35Z)
On Optimizing the Communication of Model Parallelism [74.15423270435949]
大規模モデル並列ディープラーニング(DL)における新しい重要なコミュニケーションパターンについて検討する。クロスメッシュリシャーディングでは、シャードテンソルをソースデバイスメッシュから宛先デバイスメッシュに送信する必要がある。本稿では、効率的な放送ベースの通信システムと「重複しやすい」パイプラインスケジュールという、クロスメシュ・リシャーディングに対処するための2つのコントリビューションを提案する。
論文参考訳（メタデータ） (2022-11-10T03:56:48Z)
Automatic structural optimization of tree tensor networks [0.0]
そこで本稿では,等距離線を局所的に再接続することで,ネットワーク構造を自動的に最適化するTTNアルゴリズムを提案する。システムの基底状態に埋め込まれた絡み合い構造を,最適化TTNにおける完全二分木として効率的に可視化できることを実証した。
論文参考訳（メタデータ） (2022-09-07T14:51:39Z)
Robust Training and Verification of Implicit Neural Networks: A Non-Euclidean Contractive Approach [64.23331120621118]
本稿では,暗黙的ニューラルネットワークのトレーニングとロバスト性検証のための理論的および計算的枠組みを提案する。組込みネットワークを導入し、組込みネットワークを用いて、元のネットワークの到達可能な集合の超近似として$ell_infty$-normボックスを提供することを示す。 MNISTデータセット上で暗黙的なニューラルネットワークをトレーニングするためにアルゴリズムを適用し、我々のモデルの堅牢性と、文献における既存のアプローチを通じてトレーニングされたモデルを比較する。
論文参考訳（メタデータ） (2022-08-08T03:13:24Z)
Efficient Simulation of Dynamics in Two-Dimensional Quantum Spin Systems with Isometric Tensor Networks [0.0]
最近導入された等尺テンソルネットワーク状態(isoTNS)の計算能力について検討する。アイソTNSに基づくアルゴリズムの実装に関する技術的詳細を議論し、異なるアンタングルの比較を行う。 2次元量子スピン系の動的スピン構造係数を2つのパラダイムモデルに対して計算する。
論文参考訳（メタデータ） (2021-12-15T19:00:05Z)
From Tree Tensor Network to Multiscale Entanglement Renormalization Ansatz [0.0]
我々は、拡張木ネットワーク(ATTN)における制約を解放することで、Flly-Augmented Tree Network(FATTN)と呼ばれる新しいツリーネットワーク(TTN)ベースのTNSを導入する。 TTNの物理的層にディジエンタングルが増設されると、FATTNはTTNやATTNよりもより絡み合うことができる。 TTNおよびATTNに対するFATTNの精度の向上を示すために, 横イジングモデルの基底状態エネルギーに関するベンチマーク結果を提供した。
論文参考訳（メタデータ） (2021-10-17T11:16:38Z)
T-Basis: a Compact Representation for Neural Networks [89.86997385827055]
テンソルの集合をコンパクトに表現するための概念である T-Basis をニューラルネットワークでよく見られる任意の形状で導入する。ニューラルネットワーク圧縮の課題に対する提案手法の評価を行い, 許容性能低下時に高い圧縮速度に達することを示す。
論文参考訳（メタデータ） (2020-07-13T19:03:22Z)
Binarizing MobileNet via Evolution-based Searching [66.94247681870125]
そこで本稿では,MobileNet をバイナライズする際の構築と訓練を容易にするための進化的探索手法を提案する。ワンショットアーキテクチャ検索フレームワークに着想を得て、グループ畳み込みのアイデアを操り、効率的な1ビット畳み込みニューラルネットワーク(CNN)を設計する。我々の目標は、グループ畳み込みの最良の候補を探索することで、小さなが効率的なバイナリニューラルアーキテクチャを考案することである。
論文参考訳（メタデータ） (2020-05-13T13:25:51Z)

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。