Fugu-MT 論文翻訳(概要): Gauge-equivariant pooling layers for preconditioners in lattice QCD

論文の概要: Gauge-equivariant pooling layers for preconditioners in lattice QCD

arxiv url: http://arxiv.org/abs/2304.10438v1
Date: Thu, 20 Apr 2023 16:30:37 GMT
ステータス: 処理完了
システム内更新日: 2023-04-21 12:26:10.398937
Title: Gauge-equivariant pooling layers for preconditioners in lattice QCD
Title（参考訳）: 格子QCDにおけるプレコンディショナのためのゲージ等価プール層
Authors: Christoph Lehner and Tilo Wettig
Abstract要約: 格子QCDのためのマルチグリッドプレコンディショナーモデルにおいて、ゲージ同変のプーリングとアンプール層が従来の制限や拡張層と同様に動作することを示す。粗い格子ゲージ場の構築について検討し, プレコンディショナーモデルにおけるそれらの効率性について検討する。
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: We demonstrate that gauge-equivariant pooling and unpooling layers can perform as well as traditional restriction and prolongation layers in multigrid preconditioner models for lattice QCD. These layers introduce a gauge degree of freedom on the coarse grid, allowing for the use of explicitly gauge-equivariant layers on the coarse grid. We investigate the construction of coarse-grid gauge fields and study their efficiency in the preconditioner model. We show that a combined multigrid neural network using a Galerkin construction for the coarse-grid gauge field eliminates critical slowing down.
Abstract（参考訳）: 格子QCDのためのマルチグリッドプレコンディショナーモデルにおいて、ゲージ同変のプーリングとアンプール層が従来の制限や拡張層と同様に機能できることを実証する。これらの層は粗い格子上のゲージの自由度を導入し、粗い格子上で明示的にゲージ等価な層を使用できる。粗い格子ゲージ場の構築とプレコンディショナーモデルにおけるその効率性について検討する。粗い格子ゲージ場に対するgalerkin構成を用いた複合マルチグリッドニューラルネットワークは、臨界的なスローダウンを解消する。

関連論文リスト

UKAN: Unbound Kolmogorov-Arnold Network Accompanied with Accelerated Library [3.280949929037072]
我々はKAN(Kolmogorov-Arnold Networks)の基礎となるコンポーネントのためのGPU加速ライブラリを提案する。このライブラリは、既存のコードと比較して$mathcalO$(grid size)の係数でBasis Spline評価の計算複雑性を低減する。予測可能な回帰,分類,生成タスクについて,いくつかの実験を行った。
論文参考訳（メタデータ） (2024-08-20T21:20:38Z)
Grounding and Enhancing Grid-based Models for Neural Fields [52.608051828300106]
本稿では,グリッドモデルに関する理論的枠組みを紹介する。このフレームワークは、これらのモデルの近似と一般化の挙動がグリッド接カーネル(GTK)によって決定されることを指摘している。導入されたフレームワークは、Multiplicative Fourier Adaptive Grid(MulFAGrid)と呼ばれる新しいグリッドベースモデルの開発を動機付けている。
論文参考訳（メタデータ） (2024-03-29T06:33:13Z)
From NeurODEs to AutoencODEs: a mean-field control framework for width-varying Neural Networks [68.8204255655161]
本稿では,動的に駆動する制御フィールドをベースとした,AutoencODEと呼ばれる新しいタイプの連続時間制御システムを提案する。損失関数が局所凸な領域では,多くのアーキテクチャが復元可能であることを示す。
論文参考訳（メタデータ） (2023-07-05T13:26:17Z)
Gauge-equivariant neural networks as preconditioners in lattice QCD [0.0]
同じゲージアンサンブルの異なるゲージ構成に対して、モデルが最小限の再訓練を必要とすることを示す。また,コミュニケーション回避などの重要なパラダイムが,このフレームワークで簡単に実装可能であることも実証した。
論文参考訳（メタデータ） (2023-02-10T18:34:54Z)
A new perspective on probabilistic image modeling [92.89846887298852]
本稿では,密度推定,サンプリング,トラクタブル推論が可能な画像モデリングのための新しい確率論的手法を提案する。 DCGMMは、CNNのように、ランダムな初期条件からSGDによってエンドツーエンドに訓練することができる。本研究は,近年のPCおよびSPNモデルと,推論,分類,サンプリングの観点から比較した。
論文参考訳（メタデータ） (2022-03-21T14:53:57Z)
A Unified Approach to Variational Autoencoders and Stochastic Normalizing Flows via Markov Chains [0.45119235878273]
マルコフ連鎖を介して正規化フローと変分オートエンコーダを処理する統一的なフレームワークを提供する。我々のフレームワークは、様々なアプローチを組み合わせるのに有用な数学的ツールを確立します。
論文参考訳（メタデータ） (2021-11-24T14:04:32Z)
Provable Lipschitz Certification for Generative Models [103.97252161103042]
生成モデルのリプシッツ定数を上界化するためのスケーラブルな手法を提案する。この集合をゾノトープを用いた層状凸近似により近似する。これにより、小さなネットワーク上で効率的かつ厳密なバウンダリを提供し、VAEおよびDCGANアーキテクチャ上の生成モデルにスケールすることができる。
論文参考訳（メタデータ） (2021-07-06T17:00:29Z)
Self Sparse Generative Adversarial Networks [73.590634413751]
GAN(Generative Adversarial Networks)は、敵対的トレーニングを通じてデータ分布を学習する監視されていない生成モデルである。本論文では,パラメータ空間を小さくし,ゼロ勾配問題を軽減するSelf Sparse Generative Adversarial Network (Self-Sparse GAN)を提案する。
論文参考訳（メタデータ） (2021-01-26T04:49:12Z)
Lattice gauge equivariant convolutional neural networks [0.0]
汎用機械学習アプリケーションのためのLattice gauge equivariant Convolutional Neural Networks (L-CNNs)を提案する。 L-CNNは従来の畳み込みニューラルネットワークでは見つけられないゲージ不変量を学習・一般化できることを示した。
論文参考訳（メタデータ） (2020-12-23T19:00:01Z)
Applying Convolutional Neural Networks to Data on Unstructured Meshes with Space-Filling Curves [0.4588028371034407]
本稿では,非構造有限要素メッシュや制御ボリュームグリッドのデータに直接適用可能な,最初の古典的畳み込みニューラルネットワーク(CNN)を提案する。 CNNは画像分類や画像圧縮の分野で大きな影響を与えている。非構造メッシュは偏微分方程式の解法としてよく用いられる。
論文参考訳（メタデータ） (2020-11-24T01:03:50Z)
Hierarchical Verification for Adversarial Robustness [89.30150585592648]
正解点$ell_p$ロバスト性検証問題に対する新しいフレームワークを提案する。 LayerCertは、修正線形アクティベーション(ReLU)を用いたディープフィードフォワードネットワークの階層的幾何構造を利用する提案手法は,GeoCertに比べて,解決すべき凸プログラムの数とサイズを確実に削減できることを示す。
論文参考訳（メタデータ） (2020-07-23T07:03:05Z)

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。