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 [18.190228010565367]
  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。 我々はこの問題を解決するためにガウス過程(GP)フレームワークを利用する。 我々はKroneckerの製品特性と多線型代数を用いて計算効率とスケーラビリティを向上する。
  論文  参考訳（メタデータ） (2023-11-08T05:26:58Z)
• General Graph Random Features [42.75616308187867]
  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)
• Probabilistic Exponential Integrators [36.98314810594263]
  標準的な解法と同様に、一定の厳格なシステムに対してパフォーマンス上のペナルティを被る。 本稿では,確率的指数的解法を好適な性質を持つクラスで開発する。 多重微分方程式における提案手法の評価を行った。
  論文  参考訳（メタデータ） (2023-05-24T10:13:13Z)
• 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)
• An Improved Analysis of Gradient Tracking for Decentralized Machine Learning [34.144764431505486]
  トレーニングデータが$n$エージェントに分散されるネットワーク上での分散機械学習を検討する。 エージェントの共通の目標は、すべての局所損失関数の平均を最小化するモデルを見つけることである。 ノイズのない場合、$p$を$mathcalO(p-1)$から$mathcalO(p-1)$に改善します。
  論文  参考訳（メタデータ） (2022-02-08T12:58:14Z)
• Learning with Density Matrices and Random Features [44.98964870180375]
  密度行列は、量子系の統計状態を記述する。 量子系の量子的不確実性と古典的不確実性の両方を表現することは強力な形式主義である。 本稿では,機械学習モデル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)
• 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)

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。