論文の概要: Accelerating Nonequilibrium Green functions simulations with embedding
selfenergies
- arxiv url: http://arxiv.org/abs/2211.09615v2
- Date: Fri, 7 Apr 2023 10:00:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-10 15:03:03.651341
- Title: Accelerating Nonequilibrium Green functions simulations with embedding
selfenergies
- Title（参考訳）: 埋め込み自己エネルギーによる非平衡グリーン関数の加速シミュレーション
- Authors: Karsten Balzer, Niclas Schl\"unzen, Hannes Ohldag, Jan-Philip Joost,
and Michael Bonitz
- Abstract要約: 組込み自己エネルギーをG1-G2スキームに導入することにより,NEGFの組込みシミュレーションを劇的に高速化できることを示す。
このアプローチは、G1--G2スキームで表現できる全ての先進的な自己エネルギーと互換性がある。
数値図示として,ハバードナノクラスターと付加部位との間の電荷移動について検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Real-time nonequilibrium Green functions (NEGF) have been very successful to
simulate the dynamics of correlated many-particle systems far from equilibrium.
However, NEGF simulations are computationally expensive since the effort scales
cubically with the simulation duration. Recently we have introduced the G1--G2
scheme that allows for a dramatic reduction to time-linear scaling
[Schl\"unzen, Phys. Rev. Lett. 124, 076601 (2020); Joost et al., Phys. Rev. B
101, 245101 (2020)]. Here we tackle another problem: the rapid growth of the
computational effort with the system size. In many situations where the system
of interest is coupled to a bath, to electric contacts or similar macroscopic
systems for which a microscopic resolution of the electronic properties is not
necessary, efficient simplifications are possible. This is achieved by the
introduction of an embedding selfenergy -- a concept that has been successful
in standard NEGF simulations. Here, we demonstrate how the embedding concept
can be introduced into the G1--G2 scheme, allowing us to drastically accelerate
NEGF embedding simulations. The approach is compatible with all advanced
selfenergies that can be represented by the G1--G2 scheme [as described in
Joost et al., Phys. Rev. B 105, 165155 (2022)] and retains the memory-less
structure of the equations and their time linear scaling. As a numerical
illustration we investigate the charge transfer between a Hubbard nanocluster
and an additional site which is of relevance for the neutralization of ions in
matter.
- Abstract（参考訳）: リアルタイム非平衡グリーン関数(NEGF)は、平衡から遠く離れた相関多粒子系の力学をシミュレートすることに成功した。
しかし、negfシミュレーションは計算時間とともにキュービックにスケールするため、計算コストが高い。
近年,時間線形スケーリング [Schl\"unzen, Phys] を劇的に削減できるG1-G2方式を導入している。
Rev. Lett.
124, 076601 (2020), Joost et al., Phys。
b 101, 245101 (2020) を参照。
ここでは、システムサイズによる計算作業の急速な成長という別の問題に取り組む。
電子物性の微視的な分解が不要な電気接触や類似のマクロシステムと、浴槽に利害関係が結合している多くの状況において、効率的な単純化が可能となる。
これは、標準NEGFシミュレーションで成功を収めた埋め込み自己エネルギーの導入によって実現される。ここでは、埋め込みの概念がG1-G2スキームにどのように導入され、NEGF埋め込みシミュレーションを劇的に加速させることができるかを示す。
このアプローチは、G1--G2スキーム(Joost et al., Phys. Rev. B 105, 165155 (2022))で表現できる全ての先進的な自己エネルギーと互換性があり、方程式のメモリレス構造と時間線形スケーリングを保持する。
数値図解として,ハバードナノクラスターとイオンの中和に関係のある付加部位との間の電荷移動について検討する。
関連論文リスト
- Neutron-nucleus dynamics simulations for quantum computers [49.369935809497214]
一般ポテンシャルを持つ中性子核シミュレーションのための新しい量子アルゴリズムを開発した。
耐雑音性トレーニング法により、ノイズの存在下でも許容される境界状態エネルギーを提供する。
距離群可換性(DGC)と呼ばれる新しい可換性スキームを導入し、その性能をよく知られたqubit-commutativityスキームと比較する。
論文 参考訳（メタデータ） (2024-02-22T16:33:48Z) - TANGO: Time-Reversal Latent GraphODE for Multi-Agent Dynamical Systems [43.39754726042369]
連続グラフニューラルネットワークに基づく常微分方程式(GraphODE)により予測される前後の軌跡を整列するソフト制約として,単純かつ効果的な自己監督型正規化項を提案する。
時間反転対称性を効果的に課し、古典力学の下でより広い範囲の力学系にわたってより正確なモデル予測を可能にする。
様々な物理システムに対する実験結果から,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2023-10-10T08:52:16Z) - Machine learning of hidden variables in multiscale fluid simulation [77.34726150561087]
流体力学方程式を解くには、しばしばミクロ物理学の欠如を考慮に入れた閉包関係を用いる必要がある。
本研究では, 終端微分可能な偏微分方程式シミュレータを用いて, 偏微分ニューラルネットワークを訓練する。
本手法により, 非線形, 大型クヌーズン数プラズマ物理を再現する方程式に基づく手法が可能であることを示す。
論文 参考訳（メタデータ） (2023-06-19T06:02:53Z) - Message-Passing Neural Quantum States for the Homogeneous Electron Gas [41.94295877935867]
連続空間における強相互作用フェルミオンをシミュレートするメッセージパッシング・ニューラルネットワークに基づく波動関数Ansatzを導入する。
等質電子ガスの基底状態を3次元でシミュレーションすることにより,その精度を実証する。
論文 参考訳（メタデータ） (2023-05-12T04:12:04Z) - PINNSim: A Simulator for Power System Dynamics based on Physics-Informed Neural Networks [1.2835555561822447]
より大きな時間ステップを踏むことができるシミュレータを提案する。
電力系統における単一成分の動的解の解法として物理インフォームドニューラルネットワーク(PINN)を基礎としている。
9-busシステム上でPINNSimを実演し,PINNSimの時間ステップサイズを台形積分法と比較した。
論文 参考訳（メタデータ） (2023-03-17T21:42:58Z) - Ab initio electron-lattice downfolding: potential energy landscapes,
anharmonicity, and molecular dynamics in charge density wave materials [0.0]
計算上の課題は、特に大規模システム、長期スケール、非平衡系、強い相関関係を持つシステムにおいて発生する。
本研究は, 電子面の電子的特性と原子核運動のシミュレーションを促進するために, ダウンフォールディングアプローチが, 電子面の複雑さの低減をいかに促進するかを示す。
論文 参考訳（メタデータ） (2023-03-13T16:41:37Z) - Disentangling Interacting Systems with Fermionic Gaussian Circuits:
Application to the Single Impurity Anderson Model [0.0]
フェルミオンガウス状態の圧縮により得られるユニタリゲートによる基底の変化を、様々なテンソルネットワークに対応する量子回路に導入する。
これらの回路は、基底状態の絡み合いエントロピーを低減し、密度行列再正規化群のようなアルゴリズムの性能を向上させることができる。
論文 参考訳（メタデータ） (2022-12-19T19:11:16Z) - Hybrid Physical-Neural ODEs for Fast N-body Simulations [0.22419496088582863]
我々は、宇宙論的N体シミュレーションのためのParticle-Meshスキームから生じる小規模近似を補正する新しいスキームを提案する。
提案手法は相互相関係数においてPGDよりも優れており,シミュレーション設定の変化に対してより堅牢であることがわかった。
論文 参考訳（メタデータ） (2022-07-12T13:06:06Z) - Assessment of the variational quantum eigensolver: application to the
Heisenberg model [0.0]
反強磁性ハイゼンベルクモデルの基底状態エネルギーを計算するために, ハイブリッド量子古典変動法の大規模シミュレーション結果と解析を行った。
100量子ビットの完全機能量子コンピュータは、比較的小さな誤差で基底状態エネルギーを計算することができると予測する。
論文 参考訳（メタデータ） (2022-01-13T16:49:04Z) - Quantum Markov Chain Monte Carlo with Digital Dissipative Dynamics on
Quantum Computers [52.77024349608834]
少数のアンシラ量子ビットを用いて環境との相互作用をシミュレートするデジタル量子アルゴリズムを開発した。
逆イジングモデルの熱状態のシミュレーションによるアルゴリズムの評価を行った。
論文 参考訳（メタデータ） (2021-03-04T18:21:00Z) - 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)
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。