論文の概要: The Stochastic Toolbox User's Guide -- xSPDE3: extensible software for
stochastic ordinary and partial differential equations
- arxiv url: http://arxiv.org/abs/2303.04448v1
- Date: Wed, 8 Mar 2023 08:58:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-09 14:41:31.771995
- Title: The Stochastic Toolbox User's Guide -- xSPDE3: extensible software for
stochastic ordinary and partial differential equations
- Title(参考訳): 確率的ツールボックスユーザガイド --xSPDE3:確率的常微分方程式と偏微分方程式のための拡張可能なソフトウェア
- Authors: Simon Kiesewetter, Ria R. Joseph, Peter D. Drummond
- Abstract要約: xSPDEツールボックスは偏微分方程式と常微分方程式を扱う。
時間ステップやサンプリングエラー推定を含む統計平均を計算する。
ツールボックスにはグラフィカルな出力と$chi2$統計、重み付け、投影、フォワードバックの方程式がある。
- 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: The xSPDE toolbox treats stochastic partial and ordinary differential
equations, with applications in biology, chemistry, engineering, medicine,
physics and quantum technologies. It computes statistical averages, including
time-step and/or sampling error estimation. xSPDE can provide higher order
convergence, Fourier spectra and probability densities. The toolbox has
graphical output and $\chi^{2}$ statistics, as well as weighted, projected, or
forward-backward equations. It can generate input-output quantum spectra. All
equations may have independent periodic, Dirichlet, and Neumann or Robin
boundary conditions in any dimension, for any vector field component, and at
either end of any interval.
- Abstract(参考訳): xspdeツールボックスは、生物学、化学、工学、医学、物理学、量子技術への応用を含む、確率的偏微分方程式と常微分方程式を扱う。
時間ステップやサンプリングエラー推定を含む統計平均を計算する。
xSPDE は高次収束、フーリエスペクトル、確率密度を提供する。
ツールボックスにはグラフィカルな出力と$\chi^{2}$統計、重み付け、投影、フォワードバックワードの方程式がある。
入出力量子スペクトルを生成することができる。
すべての方程式は、任意の次元、任意のベクトル場成分、および任意の区間の両端において、独立周期、ディリクレ、ノイマンあるいはロビン境界条件を持つことができる。
関連論文リスト
- Quantum-Assisted Hilbert-Space Gaussian Process Regression [0.0]
本稿では,ガウス過程回帰のための空間近似に基づく量子アルゴリズムを提案する。
本手法は,古典的基底関数展開と量子コンピューティング技術を組み合わせたものである。
論文 参考訳(メタデータ) (2024-02-01T12:13:35Z) - Solving High Frequency and Multi-Scale PDEs with Gaussian Processes [19.102390102861566]
PINNは、しばしば高周波およびマルチスケールのPDEを解決するのに苦労する。
我々はPDE溶液のパワースペクトルを学生t混合またはガウス混合でモデル化する。
我々はPDE解決の合理性と有効性を発見した最初の人物である。
論文 参考訳(メタデータ) (2023-11-08T05:26:58Z) - Universal Graph Random Features [46.70803658513939]
重み付き隣接行列の任意の関数の偏りのない推定のためのランダムウォークに基づく新しいアルゴリズムを提案する。
提案アルゴリズムは, ノード数に関して, グラフカーネル評価の厳密な3次スケーリングを克服し, 準四次時間的複雑性を享受する。
論文 参考訳(メタデータ) (2023-10-07T15:47:31Z) - Kernel Learning by quantum annealer [0.966840768820136]
本稿では,Boltzmann マシンのカーネル行列への応用について述べる。
ガウス分布では実現不可能なスペクトル分布を生成可能であることを示す。
論文 参考訳(メタデータ) (2023-04-20T08:08:03Z) - Correspondence between open bosonic systems and stochastic differential
equations [77.34726150561087]
ボゾン系が環境との相互作用を含むように一般化されたとき、有限$n$で正確な対応も可能であることを示す。
離散非線形シュル「オーディンガー方程式」の形をした特定の系をより詳細に分析する。
論文 参考訳(メタデータ) (2023-02-03T19:17:37Z) - Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。
サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。
格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文 参考訳(メタデータ) (2022-12-12T15:06:32Z) - AutoIP: A United Framework to Integrate Physics into Gaussian Processes [15.108333340471034]
あらゆる微分方程式をガウス過程に統合できる枠組みを提案する。
本手法は,シミュレーションと実世界の応用の両方において,バニラGPの改善を示す。
論文 参考訳(メタデータ) (2022-02-24T19:02:14Z) - Learning with Density Matrices and Random Features [62.997667081978825]
密度行列は、量子系の統計状態を記述する。
本稿では,機械学習モデル構築のためのビルディングブロックとして,密度行列をどのように利用できるかを検討する。
論文 参考訳(メタデータ) (2021-02-08T17:54:59Z) - The Connection between Discrete- and Continuous-Time Descriptions of
Gaussian Continuous Processes [60.35125735474386]
我々は、一貫した推定子をもたらす離散化が粗粒化下での不変性を持つことを示す。
この結果は、導関数再構成のための微分スキームと局所時間推論アプローチの組み合わせが、2次または高次微分方程式の時系列解析に役立たない理由を説明する。
論文 参考訳(メタデータ) (2021-01-16T17:11:02Z) - Quantum-enhanced analysis of discrete stochastic processes [0.8057006406834467]
離散過程(DSP)の特性関数を計算する量子アルゴリズムを提案する。
時間ステップの数と線形にしか成長しない量子回路要素の数を用いて、確率分布を完全に定義する。
このアルゴリズムはすべての軌道を考慮に入れ、重要なサンプリングの必要性を排除している。
論文 参考訳(メタデータ) (2020-08-14T16:07:35Z) - A Random Matrix Analysis of Random Fourier Features: Beyond the Gaussian
Kernel, a Precise Phase Transition, and the Corresponding Double Descent [85.77233010209368]
本稿では、データサンプルの数が$n$である現実的な環境で、ランダムフーリエ(RFF)回帰の正確さを特徴付けます。
この分析はまた、大きな$n,p,N$のトレーニングとテスト回帰エラーの正確な推定も提供する。
論文 参考訳(メタデータ) (2020-06-09T02:05:40Z)
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。