論文の概要: A differentiable programming framework for spin models
- arxiv url: http://arxiv.org/abs/2304.01772v1
- Date: Tue, 4 Apr 2023 13:04:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-05 13:48:24.014196
- Title: A differentiable programming framework for spin models
- Title(参考訳): スピンモデルのための微分可能プログラミングフレームワーク
- Authors: Tiago de Souza Farias, Vitor Vaz Schultz, Jos\'e Carlos Merino
Mombach, Jonas Maziero
- Abstract要約: 微分可能プログラミングを用いたスピンシステムのモデリングのための新しいフレームワークを提案する。
我々の手法はスピン系を効率的にシミュレートし、複雑なシステムを大規模にモデル化することを可能にする。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Spin systems are a powerful tool for modeling a wide range of physical
systems. In this paper, we propose a novel framework for modeling spin systems
using differentiable programming. Our approach enables us to efficiently
simulate spin systems, making it possible to model complex systems at scale.
Specifically, we demonstrate the effectiveness of our technique by applying it
to three different spin systems: the Ising model, the Potts model, and the
Cellular Potts model. Our simulations show that our framework offers
significant speedup compared to traditional simulation methods, thanks to its
ability to execute code efficiently across different hardware architectures,
including Graphical Processing Units and Tensor Processing Units.
- Abstract(参考訳): スピンシステムは、幅広い物理システムをモデリングするための強力なツールである。
本稿では,微分可能プログラミングを用いたスピン系モデリングのための新しいフレームワークを提案する。
この手法により,スピン系を効率的にシミュレートし,複雑なシステムを大規模にモデル化することができる。
具体的には、Isingモデル、Pottsモデル、Cellular Pottsモデルという3つの異なるスピンシステムに適用することで、本手法の有効性を実証する。
シミュレーションでは,グラフィカルプロセッシングユニットやテンソルプロセッシングユニットなど,さまざまなハードウェアアーキテクチャで効率的にコードを実行できるため,従来のシミュレーション手法と比較して,我々のフレームワークは大幅に高速化されている。
関連論文リスト
- Make-A-Shape: a Ten-Million-scale 3D Shape Model [55.34451258972251]
本稿では,大規模な効率的なトレーニングを目的とした新しい3次元生成モデルであるMake-A-Shapeを紹介する。
まずウェーブレットツリー表現を革新し、サブバンド係数フィルタリングスキームを定式化して形状をコンパクトに符号化する。
我々は、粗いウェーブレット係数の生成を効果的に学習するために、我々のモデルを訓練するためのサブバンド適応型トレーニング戦略を導出する。
論文 参考訳(メタデータ) (2024-01-20T00:21:58Z) - Data driven modeling for self-similar dynamics [1.0790314700764785]
本稿では,自己相似性を先行知識として組み込んだマルチスケールニューラルネットワークフレームワークを提案する。
決定論的ダイナミクスの場合、我々のフレームワークは力学が自己相似かどうかを識別できる。
本手法は,自己相似システムにおける電力法指数を同定する。
論文 参考訳(メタデータ) (2023-10-12T12:39:08Z) - Interpretable learning of effective dynamics for multiscale systems [5.754251195342313]
iLED(Interpretable Learning Effective Dynamics)の新たな枠組みを提案する。
iLEDは、最先端のリカレントニューラルネットワークベースのアプローチに匹敵する精度を提供する。
その結果、iLEDフレームワークは正確な予測を生成でき、解釈可能なダイナミクスを得ることができることがわかった。
論文 参考訳(メタデータ) (2023-09-11T20:29:38Z) - Learning Modular Simulations for Homogeneous Systems [23.355189771765644]
等質多体力学系をモデル化するためのモジュラーシミュレーションフレームワークを提案する。
任意の数の加群を組み合わせることで、様々な結合トポロジーの系をシミュレートすることができる。
我々のモデルは、スクラッチからトレーニングされたモデルと比較して、データ要件やトレーニングの労力が低い新しいシステム構成に移行可能であることを示しています。
論文 参考訳(メタデータ) (2022-10-28T17:48:01Z) - Differentiable Simulation of Soft Multi-body Systems [99.4302215142673]
我々は、Projective Dynamics内でトップダウン行列アセンブリアルゴリズムを開発する。
筋肉,関節トルク,空気圧管によって駆動される軟口蓋体に対して,異なる制御機構を導出する。
論文 参考訳(メタデータ) (2022-05-03T20:03:22Z) - Gradient-Based Trajectory Optimization With Learned Dynamics [80.41791191022139]
データからシステムの微分可能なダイナミクスモデルを学習するために、機械学習技術を使用します。
ニューラルネットワークは、大規模な時間的地平線に対して、非常に非線形な振る舞いを正確にモデル化できることが示される。
ハードウェア実験において、学習したモデルがSpotとRadio- controlled (RC)の両方の複雑な力学を表現できることを実証した。
論文 参考訳(メタデータ) (2022-04-09T22:07:34Z) - A unified software/hardware scalable architecture for brain-inspired
computing based on self-organizing neural models [6.072718806755325]
我々は、Reentrant SOM(ReSOM)モデルにおいて、自己組織化マップ(SOM)とHebbian学習を関連付ける脳誘発ニューラルモデルを開発した。
この研究は、FPGAベースの専用プラットフォーム上でのシミュレーション結果とハードウェア実行の両方を通じて、モデルの分散性とスケーラブル性を実証する。
論文 参考訳(メタデータ) (2022-01-06T22:02:19Z) - Learning High-Dimensional Distributions with Latent Neural Fokker-Planck
Kernels [67.81799703916563]
低次元潜在空間におけるフォッカー・プランク方程式の解法として問題を定式化する新しい手法を導入する。
提案モデルでは,潜在分散モーフィング,ジェネレータ,パラメータ化Fokker-Planckカーネル関数からなる。
論文 参考訳(メタデータ) (2021-05-10T17:42:01Z) - A Differentiable Newton Euler Algorithm for Multi-body Model Learning [34.558299591341]
我々はニュートン・オイラー方程式を具現化した計算グラフアーキテクチャを動機付けている。
本稿では、制約のない物理的プラウジブルダイナミクスを実現するために使用される仮想パラメータについて述べる。
従来のホワイトボックスシステム同定手法で要求されるキネマティックパラメータは,データから正確に推定可能であることを示す。
論文 参考訳(メタデータ) (2020-10-19T19:30:33Z) - S2RMs: Spatially Structured Recurrent Modules [105.0377129434636]
モジュール構造とテンポラル構造の両方を同時に活用できる動的構造を利用するための一歩を踏み出します。
我々のモデルは利用可能なビューの数に対して堅牢であり、追加のトレーニングなしで新しいタスクに一般化できる。
論文 参考訳(メタデータ) (2020-07-13T17:44:30Z) - Hybrid modeling: Applications in real-time diagnosis [64.5040763067757]
我々は、機械学習にインスパイアされたモデルと物理モデルを組み合わせた、新しいハイブリッドモデリングアプローチの概要を述べる。
このようなモデルをリアルタイム診断に利用しています。
論文 参考訳(メタデータ) (2020-03-04T00:44:57Z)
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。