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
- 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) - Invariant Causal Set Covering Machines [64.86459157191346]
決定木のようなルールベースのモデルは、解釈可能な性質のために実践者にアピールする。
しかし、そのようなモデルを生成する学習アルゴリズムは、しばしば刺激的な関連に弱いため、因果関係の洞察を抽出することが保証されていない。
Invariant Causal Set Covering Machines は、古典的集合被覆マシンアルゴリズムの拡張であり、二値ルールの結合/分離を可能とし、スプリアス関係を確実に回避する。
論文 参考訳(メタデータ) (2023-06-07T20:52:01Z) - 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) - Search for Efficient Formulations for Hamiltonian Simulation of
non-Abelian Lattice Gauge Theories [0.0]
格子ゲージ理論(LGTs)のハミルトン的定式化は、量子シミュレーションのための最も自然な枠組みである。
計算学的には最も正確であるが、そのような理論におけるハミルトンの定式化(英語版)は依然として重要な課題である。
本論文は,非アベリアLGTの場合において,この問題に対処するための第一歩である。
論文 参考訳(メタデータ) (2020-09-24T16:44:39Z) - 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) - 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)
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。