論文の概要: Toward random tensor networks and holographic codes in CFT

• arxiv url: http://arxiv.org/abs/2302.02446v1
• Date: Sun, 5 Feb 2023 18:16:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-07 18:17:15.344972
• Title: Toward random tensor networks and holographic codes in CFT
• Title（参考訳）: CFTにおけるランダムテンソルネットワークとホログラフィックコードに向けて
• Authors: Jeevan Chandra and Thomas Hartman
• Abstract要約: 球面対称状態の任意の次元およびより一般的な状態の 2d CFT において、これはホログラフィックの誤り訂正符号につながる。 符号は地平線の外の光演算子に対して等方的であり、内部は非等方的である。 地平線の遷移は、複雑な内部を持つ状態におけるヴィラソロのアイデンティティブロック近似の微妙な分解によって起こる。
• 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: In holographic CFTs satisfying eigenstate thermalization, there is a regime where the operator product expansion can be approximated by a random tensor network. The geometry of the tensor network corresponds to a spatial slice in the holographic dual, with the tensors discretizing the radial direction. In spherically symmetric states in any dimension and more general states in 2d CFT, this leads to a holographic error-correcting code, defined in terms of OPE data, that can be systematically corrected beyond the random tensor approximation. The code is shown to be isometric for light operators outside the horizon, and non-isometric inside, as expected from general arguments about bulk reconstruction. The transition at the horizon occurs due to a subtle breakdown of the Virasoro identity block approximation in states with a complex interior.
• Abstract（参考訳）: 固有状態熱化を満足するホログラフィックCFTでは、演算子積の膨張をランダムなテンソルネットワークで近似することができる。 テンソルネットワークの幾何学はホログラフィック双対の空間スライスに対応し、テンソルは半径方向を判別する。 任意の次元の球対称状態と2d CFTのより一般的な状態では、これはOPEデータで定義されるホログラフィックの誤り訂正符号につながり、ランダムテンソル近似を超えて体系的に修正できる。 このコードは水平線外における光演算子や、バルク復元に関する一般的な議論から期待された非等尺性内部に対する等尺性であることが示されている。 地平線での遷移は、複雑な内部を持つ状態におけるヴィラソロ等式ブロック近似の微妙な分解によって生じる。

関連論文リスト

• Entanglement and fidelity across quantum phase transitions in locally perturbed topological codes with open boundaries [0.0]
  局所摂動下での北エフ符号における位相-非位相量子相転移(QPT)について検討する。 以上の結果から,北エフ符号の位相位相の強靭性は,境界が一方向に開放された場合の局所摂動に対して高いロバスト性を示す。
  論文  参考訳（メタデータ） (2024-05-01T09:52:39Z)
• Holographic Codes from Hyperinvariant Tensor Networks [70.31754291849292]
  提案した超不変テンソルネットワークを量子コードに拡張し,正則な境界相関関数を生成する。 このアプローチは、バルク内の論理状態と境界状態の臨界再正規化群フローの間の辞書を生成する。
  論文  参考訳（メタデータ） (2023-04-05T20:28:04Z)
• Holographic properties of superposed quantum geometries [0.0]
  離散幾何学データの重ね合わせを特徴とする量子幾何状態のクラスにおけるホログラフィック特性について検討する。 このクラスにはスピンネットワーク、格子ゲージ理論の運動状態、離散量子重力が含まれる。
  論文  参考訳（メタデータ） (2022-07-15T17:37:47Z)
• Entanglement Renormalization of a $T\bar{T}$-deformed CFT [0.0]
  直線上の$TbarT$-deformed scalar CFTの基底状態に対するガウス近似を求める。 短距離スケールでの$TbarT$-deformationによって引き起こされる非局所性について論じる。
  論文  参考訳（メタデータ） (2022-03-01T09:50:31Z)
• Simulating thermal density operators with cluster expansions and tensor networks [0.0]
  このクラスタテンソルネットワーク演算子(クラスタTNO)を1次元システムに対してベンチマークする。 この定式化は、2次元量子スピン系の温度密度演算子を1つのクラスターTNOとして一定温度で表すために用いられる。 クラスタ-TNO近似は、正しい普遍性クラスにおける連続的な相転移を引き起こす。
  論文  参考訳（メタデータ） (2021-12-02T18:56:44Z)
• Boundary theories of critical matchgate tensor networks [59.433172590351234]
  AdS/CFT対応の重要な側面は、双曲格子上のテンソルネットワークモデルの観点から捉えることができる。 マッチゲート制約を満たすテンソルに対しては、これらは以前、乱れた境界状態を生成することが示されている。 これらのハミルトニアンは、解析的な玩具モデルによって捉えられたマルチスケールの準周期対称性を示す。
  論文  参考訳（メタデータ） (2021-10-06T18:00:03Z)
• Manifold Learning via Manifold Deflation [105.7418091051558]
  次元削減法は、高次元データの可視化と解釈に有用な手段を提供する。 多くの一般的な手法は単純な2次元のマニフォールドでも劇的に失敗する。 本稿では,グローバルな構造を座標として組み込んだ,新しいインクリメンタルな空間推定器の埋め込み手法を提案する。 実験により,本アルゴリズムは実世界および合成データセットに新規で興味深い埋め込みを復元することを示した。
  論文  参考訳（メタデータ） (2020-07-07T10:04:28Z)
• Tensor network models of AdS/qCFT [69.6561021616688]
  準周期共形場理論(qCFT)の概念を導入する。 離散ホログラフィーのパラダイムに属するものとして,qCFTが最適であることを示す。
  論文  参考訳（メタデータ） (2020-04-08T18:00:05Z)
• Gauge Equivariant Mesh CNNs: Anisotropic convolutions on geometric graphs [81.12344211998635]
  メッシュ上の畳み込みを定義する一般的なアプローチは、それらをグラフとして解釈し、グラフ畳み込みネットワーク(GCN)を適用することである。 本稿では、GCNを一般化して異方性ゲージ同変カーネルを適用するGauge Equivariant Mesh CNNを提案する。 本実験は,従来のGCNおよび他の手法と比較して,提案手法の表現性を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2020-03-11T17:21:15Z)
• Understanding Graph Neural Networks with Generalized Geometric Scattering Transforms [67.88675386638043]
  散乱変換は、畳み込みニューラルネットワークのモデルとして機能する多層ウェーブレットベースのディープラーニングアーキテクチャである。 非対称ウェーブレットの非常に一般的なクラスに基づくグラフに対して、窓付きおよび非窓付き幾何散乱変換を導入する。 これらの非対称グラフ散乱変換は、対称グラフ散乱変換と多くの理論的保証を持つことを示す。
  論文  参考訳（メタデータ） (2019-11-14T17:23:06Z)

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。