論文の概要: Genetic-tunneling driven energy optimizer for magnetic system

• arxiv url: http://arxiv.org/abs/2301.00207v1
• Date: Sat, 31 Dec 2022 14:27:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-03 14:52:20.500509
• Title: Genetic-tunneling driven energy optimizer for magnetic system
• Title（参考訳）: 磁気システムのための遺伝的トンネル駆動エネルギー最適化器
• Authors: Qichen Xu, Zhuanglin Shen, Manuel Pereiro, Pawel Herman, Olle Eriksson and Anna Delin
• Abstract要約: 本稿では,局所エネルギー最小化手法のバックエンドとメタヒューリスティックなグローバル検索フロントエンドを組み合わせた遺伝的チューニング駆動分散制御最適化手法を提案する。 本稿では, 密度汎関数理論からの人工的相互作用と計算的相互作用を併用した2次元単層膜の磁気基底状態の探索におけるこの手法の有効性を実証する。
• 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: Novel topological spin textures, such as magnetic skyrmions, benefit from their inherent stability, acting as the ground state in several magnetic systems. In the current study of atomic monolayer magnetic materials, reasonable initial guesses are still needed to search for those magnetic patterns. This situation underlines the need to develop a more effective way to identify the ground states. To solve this problem, in this work, we propose a genetic-tunneling-driven variance-controlled optimization approach, which combines a local energy minimizer back-end and a metaheuristic global searching front-end. This algorithm is an effective optimization solution for searching for magnetic ground states at extremely low temperatures and is also robust for finding low-energy degenerated states at finite temperatures. We demonstrate here the success of this method in searching for magnetic ground states of 2D monolayer systems with both artificial and calculated interactions from density functional theory. It is also worth noting that the inherent concurrent property of this algorithm can significantly decrease the execution time. In conclusion, our proposed method builds a useful tool for low-dimensional magnetic system energy optimization.
• Abstract（参考訳）: 磁気スカイミオンのような新しいトポロジカルスピンテクスチャは、その固有の安定性の恩恵を受け、いくつかの磁気系の基底状態として機能する。 原子単層磁性物質の現在の研究では、これらの磁気パターンを探索するには合理的な初期推測が必要である。 この状況は、基底状態を特定するためのより効果的な方法を開発する必要性を浮き彫りにする。 そこで本研究では,局所エネルギー最小化手法のバックエンドとメタヒューリスティックなグローバル検索フロントエンドを組み合わせた遺伝的変異制御最適化手法を提案する。 このアルゴリズムは、極低温での磁気基底状態の探索に有効な最適化手法であり、有限温度での低エネルギー劣化状態の探索にも堅牢である。 本稿では, 密度汎関数理論からの人工的相互作用と計算的相互作用を併用した2次元単層膜の磁気基底状態の探索におけるこの手法の有効性を実証する。 また、このアルゴリズム固有の並列性は実行時間を著しく削減できる点にも注意が必要である。 提案手法は,低次元磁気システムエネルギー最適化のための有用なツールを構築した。

関連論文リスト

• Zero-point energy of tensor fluctuations on the MPS manifold [0.05524804393257919]
  本研究では, 行列積状態(MPS)多様体を用いた高相関磁気系における低エネルギー物理の研究手法を提案する。 我々は,MPSにより基底状態がより良く表現されるシステムに,ある種の低絡磁材料をモデル化することに成功しているスピン波アプローチを適用した。
  論文  参考訳（メタデータ） (2024-10-29T18:00:02Z)
• Physics aware machine learning for micromagnetic energy minimization: recent algorithmic developments [0.0]
  ブラウンの静電自己エネルギーに対する境界の上に構築し、伝達問題の変分定式化の文脈でそれらの応用を再検討する。 有限領域上のこれらの境界を再構成し、数値シミュレーションの手法をより効率的かつスケーラブルにする。 その結果,メッシュフリーな物理インフォームドニューラルネットワーク(PINN)とELM(Extreme Learning Machines)が,厳しい制約と統合される可能性を強調した。
  論文  参考訳（メタデータ） (2024-09-19T16:22:40Z)
• Self-Supervised Knowledge-Driven Deep Learning for 3D Magnetic Inversion [6.001304967469112]
  提案する自己教師型知識駆動型3次元磁気インバージョン法は, インバージョンモデルとフォワードモデルの閉ループにより, 対象フィールドデータから学習する。 提案した逆転モデルには知識駆動型モジュールがあり、深層学習法をより説明しやすくする。 実験により,提案手法は優れた性能を有する信頼性のある磁気反転法であることが示された。
  論文  参考訳（メタデータ） (2023-08-23T15:31:38Z)
• D4FT: A Deep Learning Approach to Kohn-Sham Density Functional Theory [79.50644650795012]
  コーンシャム密度汎関数論(KS-DFT)を解くための深層学習手法を提案する。 このような手法はSCF法と同じ表現性を持つが,計算複雑性は低下する。 さらに,本手法により,より複雑なニューラルベース波動関数の探索が可能となった。
  論文  参考訳（メタデータ） (2023-03-01T10:38:10Z)
• Utilizing Synthetic Data in Supervised Learning for Robust 5-DoF Magnetic Marker Localization [24.478974451501113]
  受動的磁気マーカーの追跡は、医療やロボット工学の進歩において重要な役割を担い、システムの精度と効率を大幅に向上させる可能性がある。 伝統的に、繰り返し最適化手順を必要とするため、磁気マーカーの追跡は計算コストがかかる。 本稿では,これらの制限を回避し,マーカーの位置と向きを直接推定し,磁石の5DoFを正確に決定する,新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-11-14T17:22:50Z)
• Sampling with Mollified Interaction Energy Descent [57.00583139477843]
  モーフィファイド相互作用エネルギー降下(MIED)と呼ばれる新しい最適化に基づくサンプリング手法を提案する。 MIEDは、モル化相互作用エネルギー(MIE)と呼ばれる確率測度に関する新しいクラスのエネルギーを最小化する 我々は,制約のないサンプリング問題に対して,我々のアルゴリズムがSVGDのような既存の粒子ベースアルゴリズムと同等に動作することを示す。
  論文  参考訳（メタデータ） (2022-10-24T16:54:18Z)
• A machine-learning-based tool for last closed magnetic flux surface reconstruction on tokamak [58.42256764043771]
  トカマク装置による核融合発電は、クリーンエネルギーの持続可能な供給源として最も有望な方法の1つである。 トカマクの主な課題は、アクチュエータコイルと内部トカマクプラズマの相互作用によって決定される最後の閉じた磁束面(LCFS)を予測することである。 本研究では,実験データから自動的に学習する実験用超電導トカマク(EAST)からLCFSを再構築する機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2022-07-12T17:15:29Z)
• Surpassing the Energy Resolution Limit with ferromagnetic torque sensors [55.41644538483948]
  標準量子限界における熱力学ノイズと機械的検出ノイズを考慮した最適磁場分解能の評価を行った。 近年の文献で指摘されているエネルギー分解限界(ERL, Energy Resolution Limit)は, 桁違いに超えることがある。
  論文  参考訳（メタデータ） (2021-04-29T15:44:12Z)
• Ground-State Cooling of Levitated Magnets in Low-Frequency Traps [1.6114012813668934]
  低周波トラップ中を浮遊するメソスコピック磁性粒子の地中冷却方式を提案する。 本手法では、磁力位置の弱い適応的な測定を行うために、二成分センサとパルスを適宜形状したパルスを用いている。 その結果,ミクロンスケール粒子の地中冷却の道が開けた。
  論文  参考訳（メタデータ） (2021-02-05T18:47:04Z)
• Optimal control of a nitrogen-vacancy spin ensemble in diamond for sensing in the pulsed domain [52.77024349608834]
  固体材料の欠陥は、量子センシングに理想的なプラットフォームを提供する。 このようなアンサンブルの制御は、欠陥エネルギーレベルとマクロサンプル間の任意の制御領域の両方の空間的変動のために困難である。 Floquet理論と最適制御最適化法を用いて,これらの課題を克服できることを実験的に実証した。
  論文  参考訳（メタデータ） (2021-01-25T13:01:05Z)
• Spin Entanglement and Magnetic Competition via Long-range Interactions in Spinor Quantum Optical Lattices [62.997667081978825]
  超低温物質中における空洞を介する長距離磁気相互作用と光学格子の効果について検討した。 競合シナリオを導入しながら,グローバルな相互作用がシステムの根底にある磁気特性を変化させていることが判明した。 これにより、量子情報目的のためのロバストなメカニズムの設計に向けた新しい選択肢が可能になる。
  論文  参考訳（メタデータ） (2020-11-16T08:03:44Z)

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。