Fugu-MT 論文翻訳(概要): Exactly solvable models of nonlinear extensions of the Schr\"odinger equation

論文の概要: Exactly solvable models of nonlinear extensions of the Schr\"odinger equation

arxiv url: http://arxiv.org/abs/2304.01183v1
Date: Mon, 3 Apr 2023 17:51:59 GMT
ステータス: 処理完了
システム内更新日: 2023-04-04 14:16:20.840005
Title: Exactly solvable models of nonlinear extensions of the Schr\"odinger equation
Title（参考訳）: schr\"odinger方程式の非線形拡大の完全可解モデル
Authors: Tom Dodge and Peter Schweitzer
Abstract要約: シュル・オーディンガー方程式の正確な可解非線形拡張を構築するための方法が提示される。様々な空間次元において、我々の知る限りでは、文献ではまだ議論されていない、真に解決可能な新しい非線形理論が発見されている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A method is presented to construct exactly solvable nonlinear extensions of the Schr\"odinger equation. The method explores a correspondence which can be established under certain conditions between exactly solvable ordinary Schr\"odinger equations and exactly solvable nonlinear theories. We provide several examples illustrating the method. We rederive well-known soliton solutions and find new exactly solvable nonlinear theories in various space dimensions which, to the best of our knowledge, have not yet been discussed in literature. Our method can be used to construct further nonlinear theories and generalized to relativistic soliton theories, and may have many applications.
Abstract（参考訳）: schr\"odinger方程式の完全可解な非線形拡張を構成する方法を提案する。この方法は、正確に解ける通常のシュリンガー方程式と、正確に解ける非線形理論の間の一定の条件下で確立できる対応を探索する。本手法の具体例をいくつか紹介する。我々はよく知られたソリトン解を再定義し、様々な空間次元において解くことができる新しい非線形理論を見つける。この手法は、より非線形な理論を構築し、相対論的ソリトン理論に一般化することができ、多くの応用が期待できる。

関連論文リスト

Quantum Algorithm For Solving Nonlinear Algebraic Equations [0.0]
非線形代数方程式系を解くための量子アルゴリズムを与える。本手法は,変数数に対して,多言語時間(polylogarithmic time)を推定するために,詳細な解析を行った。特に,本手法は様々な種類の問題に対処する努力をほとんど行わずに修正可能であることを示し,本手法の汎用性を示唆する。
論文参考訳（メタデータ） (2024-04-04T21:20:56Z)
A symplectic approach to Schr\"odinger equations in the infinite-dimensional unbounded setting [0.0]
我々は、分離可能(無限次元かもしれない)ヒルベルト空間上の$t$-dependent Schr"odinger方程式に対する厳密なシンプレクティック微分アプローチを提供する。応用として、上述の$t$-dependent Schr"odinger方程式を射影空間にマッピングするためにマースデン・ワインスタイン還元法が用いられる。
論文参考訳（メタデータ） (2023-12-14T18:13:44Z)
One-Shot Transfer Learning for Nonlinear ODEs [1.7265013728931]
摂動法とワンショット変換学習を組み合わせて非線形ODEを1項で解く一般化可能な手法を提案する。提案手法は,非線形ODEを線形ODEシステムに変換し,異なる条件でPINNを訓練し,同じ非線形ODEクラス内の新しいインスタンスに対して閉形式のソリューションを提供する。
論文参考訳（メタデータ） (2023-11-25T05:02:15Z)
Towards true discovery of the differential equations [57.089645396998506]
微分方程式探索は、解釈可能なモデルを開発するために使用される機械学習サブフィールドである。本稿では,専門家の入力を伴わない独立方程式発見のための前提条件とツールについて検討する。
論文参考訳（メタデータ） (2023-08-09T12:03:12Z)
Conformal duality of the nonlinear Schrödinger equation: Theory and applications to parameter estimation [0.09782246441301058]
非線形シュリンガー方程式(NLSE)の統一理論について述べる。局所一次元立方晶NLSEの定常解はすべて、クロス比と呼ばれる1つの数に分類することができる。同じ交叉比を持つ任意の2つの解は、共形変換を用いて互いに変換することができる。
論文参考訳（メタデータ） (2023-06-30T15:03:51Z)
Dynamical chaos in nonlinear Schr\"odinger models with subquadratic power nonlinearity [137.6408511310322]
ランダムポテンシャルと準4次パワー非線形性を持つ非線形シュリンガー格子のクラスを扱う。拡散過程は亜拡散性であり, 微細構造が複雑であることを示す。二次パワー非線形性の限界も議論され、非局在化境界をもたらすことが示されている。
論文参考訳（メタデータ） (2023-01-20T16:45:36Z)
Time complexity analysis of quantum algorithms via linear representations for nonlinear ordinary and partial differential equations [31.986350313948435]
非線形常微分方程式の解や物理観測可能性を計算するために量子アルゴリズムを構築した。異なる数値近似から生じる量子線形系アルゴリズムと量子シミュレーション法を比較した。
論文参考訳（メタデータ） (2022-09-18T05:50:23Z)
D-CIPHER: Discovery of Closed-form Partial Differential Equations [80.46395274587098]
D-CIPHERは人工物の測定に頑健であり、微分方程式の新しい、非常に一般的なクラスを発見できる。さらに,D-CIPHERを効率的に探索するための新しい最適化手法であるCoLLieを設計する。
論文参考訳（メタデータ） (2022-06-21T17:59:20Z)
Exact solutions of interacting dissipative systems via weak symmetries [77.34726150561087]
我々は任意の強い相互作用や非線形性を持つクラスマルコフ散逸系(英語版)のリウヴィリアンを解析的に対角化する。これにより、フルダイナミックスと散逸スペクトルの正確な記述が可能になる。我々の手法は他の様々なシステムに適用でき、複雑な駆動散逸量子系の研究のための強力な新しいツールを提供することができる。
論文参考訳（メタデータ） (2021-09-27T17:45:42Z)
Hessian Eigenspectra of More Realistic Nonlinear Models [73.31363313577941]
私たちは、非線形モデルの広いファミリーのためのヘッセン固有スペクトルの言語的特徴付けを行います。我々の分析は、より複雑な機械学習モデルで観察される多くの顕著な特徴の起源を特定するために一歩前進する。
論文参考訳（メタデータ） (2021-03-02T06:59:52Z)
Learning Fast Approximations of Sparse Nonlinear Regression [50.00693981886832]
本研究では,Threshold Learned Iterative Shrinkage Algorithming (NLISTA)を導入することでギャップを埋める。合成データを用いた実験は理論結果と相関し,その手法が最先端の手法より優れていることを示す。
論文参考訳（メタデータ） (2020-10-26T11:31:08Z)

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。