Fugu-MT 論文翻訳(概要): On the algebraic approach to GUP in anisotropic space

論文の概要: On the algebraic approach to GUP in anisotropic space

arxiv url: http://arxiv.org/abs/2302.04170v1
Date: Wed, 8 Feb 2023 16:22:00 GMT
ステータス: 処理完了
システム内更新日: 2023-02-09 15:34:45.874377
Title: On the algebraic approach to GUP in anisotropic space
Title（参考訳）: 異方性空間における GUP への代数的アプローチについて
Authors: Andr\'e H. Gomes
Abstract要約: 一般不確実性原理(GUP)モデルは、(i)正準変換の下での可換子の不変性、(ii)補助作用素の定義における位置と運動量の物理的独立性という2つの基準を満たす異方性空間におけるモデルである。その結果、これらの基準を用いて、GUPモデルがどのように代数的にアプローチされるかについて重要な制約を課す。
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: Motivated by current searches for signals of Lorentz symmetry violation in nature and recent investigations on generalized uncertainty principle (GUP) models in anisotropic space, in this paper we identify GUP models satisfying two criteria: (i) invariance of commutators under canonical transformations, and (ii) physical independence of position and momentum on the ordering of auxiliary operators in their definitions. Compliance of these criteria is fundamental if one wishes to unambiguously describe GUP using an algebraic approach but, surprisingly, neither is trivially satisfied when GUP is assumed within anisotropic space. As a consequence, we use these criteria to place important restrictions on what or how GUP models may be approached algebraically.
Abstract（参考訳）: 自然界におけるローレンツ対称性違反の信号の現在の探索と、異方性空間における一般化不確実性原理(GUP)モデルに関する最近の研究により、本論文では、2つの基準を満たすGUPモデルを同定する。 (i)標準変換下の可換子の不変性、及び (ii)その定義における補助作用素の順序に関する位置と運動量の物理的独立性。代数的アプローチを用いて GUP を曖昧に記述したい場合、これらの基準のコンプライアンスは基本的であるが、驚くべきことに、GAP が異方性空間内で仮定されるとき、どちらも自明に満足しない。その結果、これらの基準を用いて、GUPモデルがどのように代数的にアプローチされるかについて重要な制約を課す。

関連論文リスト

Lie Algebra Canonicalization: Equivariant Neural Operators under arbitrary Lie Groups [11.572188414440436]
我々は、対称性群の無限小生成子の作用のみを利用する新しいアプローチであるLie aLgebrA Canonicalization (LieLAC)を提案する。標準化のフレームワーク内で運用されているため、LieLACは制約のない事前訓練されたモデルと容易に統合できる。
論文参考訳（メタデータ） (2024-10-03T17:21:30Z)
Relative Representations: Topological and Geometric Perspectives [53.88896255693922]
相対表現はゼロショットモデルの縫合に対する確立されたアプローチである。相対変換において正規化手順を導入し、非等方的再スケーリングや置換に不変となる。第二に、クラス内のクラスタリングを促進するトポロジカル正規化損失である、微調整された相対表現におけるトポロジカルデシフィケーションの展開を提案する。
論文参考訳（メタデータ） (2024-09-17T08:09:22Z)
A Non-negative VAE:the Generalized Gamma Belief Network [49.970917207211556]
ガンマ信念ネットワーク(GBN)は、テキストデータ中の多層解釈可能な潜在表現を明らかにする可能性を実証している。本稿では、一般化ガンマ信念ネットワーク(Generalized GBN)を導入し、元の線形生成モデルをより表現力のある非線形生成モデルに拡張する。また、潜伏変数の後方分布を近似する上向きのワイブル推論ネットワークを提案する。
論文参考訳（メタデータ） (2024-08-06T18:18:37Z)
Remarks on the quasi-position representation in models of generalized uncertainty principle [0.0]
このノートは1次元モデルの研究で頻繁に使われる準位表現の特定の側面を解明することを目的としている。最近の主張とは対照的に、(i)準ポジション作用素は非エルミート的でも物理的意義を持つことができ、(ii)準ポジション表現において、位置に関連する作用素は準ポジション座標上の微分作用素として振る舞う。
論文参考訳（メタデータ） (2023-06-20T11:46:56Z)
Gauge-equivariant flow models for sampling in lattice field theories with pseudofermions [51.52945471576731]
本研究は,フェルミオン行列式の推定器として擬フェルミオンを用いたフェルミオン格子場理論におけるフローベースサンプリングのためのゲージ不変アーキテクチャを提案する。これは最先端の格子場理論計算におけるデフォルトのアプローチであり、QCDのような理論へのフローモデルの実践的応用に欠かせない。
論文参考訳（メタデータ） (2022-07-18T21:13:34Z)
Constraining GUP Models Using Limits on SME Coefficients [0.0]
一般化不確実性原理(GUP)と独立に、ローレンツ対称性違反は、多くの量子重力の候補理論において2つの一般的な特徴である。異方性 GUP モデルと異方性 GUP モデルの両方の大きなクラスは、標準モデル拡張によって予測された信号と実験的に区別できない信号を生成する。特に、異方性GUPモデル上のバウンドは、現在の分光的バウンドと比較して107ドルの係数で改善され、異方性モデルが初めて制約される。
論文参考訳（メタデータ） (2022-05-04T13:04:51Z)
GroupifyVAE: from Group-based Definition to VAE-based Unsupervised Representation Disentanglement [91.9003001845855]
他の誘導バイアスを導入しないと、VAEベースの非監視的非絡み合いは実現できない。グループ理論に基づく定義から導かれる制約を非確率的帰納的バイアスとして活用し,vaeに基づく教師なし不連続に対処する。提案手法の有効性を検証するために,5つのデータセット上で,vaeベースモデルが最も目立つ1800モデルをトレーニングした。
論文参考訳（メタデータ） (2021-02-20T09:49:51Z)
LieTransformer: Equivariant self-attention for Lie Groups [49.9625160479096]
群等価ニューラルネットワークは群不変ニューラルネットワークの構成要素として用いられる。我々は、文学の範囲を、ディープラーニングモデルの顕著な構築ブロックとして現れつつある自己注意にまで広げる。任意のリー群とその離散部分群に同値なリー自己結合層からなる構造であるリー変換器を提案する。
論文参考訳（メタデータ） (2020-12-20T11:02:49Z)
A Wigner-Eckart Theorem for Group Equivariant Convolution Kernels [16.143012623830792]
群同変畳み込みネットワーク(GCNN)は、追加の対称性を持つ古典的畳み込みネットワークを提供する。 GCNNの理論的記述の最近の進歩により、そのようなモデルは一般にGステアブルカーネルとの畳み込みとして解釈できることが明らかとなった。
論文参考訳（メタデータ） (2020-10-21T12:42:23Z)
Closed-Form Factorization of Latent Semantics in GANs [65.42778970898534]
画像合成のために訓練されたGAN(Generative Adversarial Networks)の潜在空間に、解釈可能な次元の豊富なセットが出現することが示されている。本研究では,GANが学習した内部表現について検討し,その基礎となる変動要因を教師なしで明らかにする。本稿では,事前学習した重みを直接分解することで,潜在意味発見のためのクローズドフォーム因数分解アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-07-13T18:05:36Z)

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。