論文の概要: On the renormalization group fixed point of the two-dimensional Ising model at criticality

• arxiv url: http://arxiv.org/abs/2304.03224v1
• Date: Thu, 6 Apr 2023 16:57:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-07 13:13:19.685222
• Title: On the renormalization group fixed point of the two-dimensional Ising model at criticality
• Title（参考訳）: 臨界点における二次元イジングモデルの正規化群固定点について
• Authors: Tobias J. Osborne and Alexander Stottmeister
• Abstract要約: 演算子-代数的再正規化(OAR)を用いた固定点の単純で明示的な解析記述が可能であることを示す。 具体的には、固定点はスピンスピン相関関数によって特徴づけられる。
• 参考スコア（独自算出の注目度）: 77.34726150561087
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We analyze the renormalization group fixed point of the two-dimensional Ising model at criticality. In contrast with expectations from tensor network renormalization (TNR), we show that a simple, explicit analytic description of this fixed point using operator-algebraic renormalization (OAR) is possible. Specifically, the fixed point is characterized in terms of spin-spin correlation functions. Explicit error bounds for the approximation of continuum correlation functions are given.
• Abstract（参考訳）: 2次元イジングモデルの臨界点における正規化群固定点の解析を行う。 テンソルネットワーク再正規化(TNR)の期待とは対照的に、演算子-代数的再正規化(OAR)を用いたこの固定点の単純で明示的な解析的記述が可能であることを示す。 具体的には、固定点はスピンスピン相関関数によって特徴づけられる。 連続相関関数の近似に対する明示的な誤差境界が与えられる。

関連論文リスト

• High-Dimensional Kernel Methods under Covariate Shift: Data-Dependent Implicit Regularization [83.06112052443233]
  本稿では,共変量シフト下での高次元におけるカーネルリッジの回帰について検討する。 バイアス分散分解により、再重み付け戦略が分散を減少させることができることを理論的に証明する。 偏見について,任意の偏見の正則化を解析し,偏見が正則化の異なる尺度で非常に異なる振る舞いをすることができることを示す。
  論文  参考訳（メタデータ） (2024-06-05T12:03:27Z)
• Weakly Convex Regularisers for Inverse Problems: Convergence of Critical Points and Primal-Dual Optimisation [12.455342327482223]
  臨界点の観点から収束正則化の一般化された定式化を提案する。 これは弱凸正規化器のクラスによって達成されることを示す。 この理論を正規化学習に適用し、入力の弱い凸ニューラルネットワークに対する普遍的な近似を証明した。
  論文  参考訳（メタデータ） (2024-02-01T22:54:45Z)
• Renormalization Group Analysis of the Anderson Model on Random Regular Graphs [0.0]
  ランダム正規グラフ(RRG)上のアンダーソン局所化問題に対する正規化群解析を提案する。 固有状態とスペクトルオブザーバブルの両方に対して,1パラメータのスケーリング仮説が十分に大きなシステムサイズに対して復元されることを示す。 また、遷移に近い障害の値に対するシステムサイズ関数として、力学量とスペクトル量の非単調な挙動を説明する。
  論文  参考訳（メタデータ） (2023-06-26T18:00:13Z)
• Nonconvex Stochastic Scaled-Gradient Descent and Generalized Eigenvector Problems [98.34292831923335]
  オンライン相関解析の問題から,emphStochastic Scaled-Gradient Descent (SSD)アルゴリズムを提案する。 我々はこれらのアイデアをオンライン相関解析に適用し、局所収束率を正規性に比例した最適な1時間スケールのアルゴリズムを初めて導いた。
  論文  参考訳（メタデータ） (2021-12-29T18:46:52Z)
• Local versions of sum-of-norms clustering [77.34726150561087]
  本手法はボールモデルにおいて任意に閉じた球を分離できることを示す。 我々は、不連結連結集合のクラスタリングで発生する誤差に定量的な有界性を証明した。
  論文  参考訳（メタデータ） (2021-09-20T14:45:29Z)
• Benign Overfitting of Constant-Stepsize SGD for Linear Regression [122.70478935214128]
  帰納バイアスは 経験的に過剰フィットを防げる中心的存在です この研究は、この問題を最も基本的な設定として考慮している: 線形回帰に対する定数ステップサイズ SGD。 我々は、(正規化されていない)SGDで得られるアルゴリズム正則化と、通常の最小二乗よりも多くの顕著な違いを反映する。
  論文  参考訳（メタデータ） (2021-03-23T17:15:53Z)
• Understanding Implicit Regularization in Over-Parameterized Single Index Model [55.41685740015095]
  我々は高次元単一インデックスモデルのための正規化自由アルゴリズムを設計する。 暗黙正則化現象の理論的保証を提供する。
  論文  参考訳（メタデータ） (2020-07-16T13:27:47Z)
• Asymptotics of Ridge (less) Regression under General Source Condition [26.618200633139256]
  我々は,真の回帰パラメータの構造が果たす役割を考察する。 有界信号-雑音比(SNR)においても(正規化なし)が最適であることを示す。 これは、リッジ回帰を考慮した以前の研究と対照的であり、この場合、無限 SNR の極限においてのみ最適である。
  論文  参考訳（メタデータ） (2020-06-11T13:00:21Z)

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。