Fugu-MT 論文翻訳(概要): Converting long-range entanglement into mixture: tensor-network approach to local equilibration

論文の概要: Converting long-range entanglement into mixture: tensor-network approach to local equilibration

arxiv url: http://arxiv.org/abs/2308.04291v1
Date: Tue, 8 Aug 2023 14:36:34 GMT
ステータス: 処理完了
システム内更新日: 2023-08-09 12:36:24.765006
Title: Converting long-range entanglement into mixture: tensor-network approach to local equilibration
Title（参考訳）: 長距離絡み合いを混合に変換する:局所平衡へのテンソル-ネットワークアプローチ
Authors: Miguel Fr\'ias-P\'erez, Luca Tagliacozzo and Mari Carmen Ba\~nuls
Abstract要約: 局所可観測物は、還元された局所状態へのコントリビューションを通じて、そのような長距離相関を混合としてのみ知覚する。本稿では、このような長距離絡みを同定し、効率的に混合に変換するテンソルネットワーク手法を提案する。
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: In the out-of-equilibrium evolution induced by a quench, fast degrees of freedom generate long-range entanglement that is hard to encode with standard tensor networks. However, local observables only sense such long-range correlations through their contribution to the reduced local state as a mixture. We present a tensor network method that identifies such long-range entanglement and efficiently transforms it into mixture, much easier to represent. In this way, we obtain an effective description of the time-evolved state as a density matrix that captures the long-time behavior of local operators with finite computational resources.
Abstract（参考訳）: クエンチによって誘導される平衡外進化において、高速自由度は標準テンソルネットワークでエンコードし難い長距離絡みを生じる。しかし、局所観測者はそのような長距離相関を、還元された局所状態への寄与を通じてのみ知覚する。本稿では,このような長距離の絡み合いを識別し,それを効率的に混合して表現しやすいテンソルネットワーク法を提案する。このように,有限計算資源を持つ局所作用素の長時間挙動をキャプチャする密度行列として,時間発展状態の効果的な記述を得る。

関連論文リスト

Tensor Network Representation and Entanglement Spreading in Many-Body Localized Systems: A Novel Approach [0.0]
一次元多体局在系に対する局所運動積分を計算するための新しい手法が考案された。最適なユニタリ変換のクラスはテンソル-ネットワーク形式において導出され、指定された系のハミルトニアンを対角化する。提案手法の効率を評価した結果, 高速かつほぼ正確であることが判明した。
論文参考訳（メタデータ） (2023-12-13T14:28:45Z)
Convergence of mean-field Langevin dynamics: Time and space discretization, stochastic gradient, and variance reduction [49.66486092259376]
平均場ランゲヴィンダイナミクス(英: mean-field Langevin dynamics、MFLD)は、分布依存のドリフトを含むランゲヴィン力学の非線形一般化である。近年の研究では、MFLDは測度空間で機能するエントロピー規則化された凸関数を地球規模で最小化することが示されている。有限粒子近似,時間分散,勾配近似による誤差を考慮し,MFLDのカオスの均一時間伝播を示す枠組みを提供する。
論文参考訳（メタデータ） (2023-06-12T16:28:11Z)
Machine learning in and out of equilibrium [58.88325379746631]
我々の研究は、統計物理学から適応したフォッカー・プランク法を用いて、これらの平行線を探索する。我々は特に、従来のSGDでは平衡が切れている長期的限界におけるシステムの定常状態に焦点を当てる。本稿では,ミニバッチの置き換えを伴わない新しいランゲヴィンダイナミクス(SGLD)を提案する。
論文参考訳（メタデータ） (2023-06-06T09:12:49Z)
Efficient Bound of Lipschitz Constant for Convolutional Layers by Gram Iteration [122.51142131506639]
循環行列理論を用いて畳み込み層のスペクトルノルムに対して、精密で高速で微分可能な上界を導入する。提案手法は, 精度, 計算コスト, スケーラビリティの観点から, 他の最先端手法よりも優れていることを示す。これは畳み込みニューラルネットワークのリプシッツ正則化に非常に効果的であり、並行アプローチに対する競合的な結果である。
論文参考訳（メタデータ） (2023-05-25T15:32:21Z)
Simulating time evolution on distributed quantum computers [0.0]
2量子作用素指数の順序積によってハミルトン指数が近似されるトロッタースズキ分解の変動について検討する。近似の全体的な品質は局所的な間隔によってスムーズに変化し,局所的な誤差の拡散が遅いことが判明した。その結果,モノリシックデバイス上での高速なローカル操作が,分散量子コンピュータ上でも総合的に改善された結果の忠実性を得るために活用できることが示唆された。
論文参考訳（メタデータ） (2022-08-16T01:02:24Z)
Regularized scheme of time evolution tensor network algorithms [0.0]
量子格子系の時間発展をシミュレートするために正規化分解法を提案する。プロパゲーターの結果として生じるコンパクト構造は、高階ベーカー・カンベル・ハウスドルフ級数を示す。
論文参考訳（メタデータ） (2022-08-06T03:38:37Z)
Light cone tensor network and time evolution [0.0]
観測対象を表すテンソルネットワークの正確な光円錐構造を利用する収縮戦略を提案する。この戦略は, [Phys. Rev. A 91, 032306] で提案されたハイブリッド・トランケーションと組み合わせることができる。
論文参考訳（メタデータ） (2022-01-20T19:00:04Z)
Approximating the long time average of the density operator: Diagonal ensemble [0.7734726150561088]
テンソルネットワークを用いた対角線アンサンブルを近似する手法を提案する。非可積分スピンチェーン上での手法の性能を解析する。
論文参考訳（メタデータ） (2020-11-02T19:02:04Z)
Improve Generalization and Robustness of Neural Networks via Weight Scale Shifting Invariant Regularizations [52.493315075385325]
重み劣化を含む正則化器の族は、均質な活性化関数を持つネットワークに対する本質的な重みのノルムをペナルティ化するのに有効でないことを示す。そこで我々は,ニューラルネットワークの本質的な規範を効果的に制約する改良型正規化器を提案する。
論文参考訳（メタデータ） (2020-08-07T02:55:28Z)
On Lipschitz Regularization of Convolutional Layers using Toeplitz Matrix Theory [77.18089185140767]
リプシッツ正則性は現代のディープラーニングの重要な性質として確立されている。ニューラルネットワークのリプシッツ定数の正確な値を計算することはNPハードであることが知られている。より厳密で計算が容易な畳み込み層に対する新しい上限を導入する。
論文参考訳（メタデータ） (2020-06-15T13:23:34Z)
Liquid Time-constant Networks [117.57116214802504]
本稿では,時間連続リカレントニューラルネットワークモデルについて紹介する。暗黙の非線形性によって学習システムの力学を宣言する代わりに、線形一階力学系のネットワークを構築する。これらのニューラルネットワークは安定かつ有界な振る舞いを示し、ニューラル常微分方程式の族の中で優れた表現性をもたらす。
論文参考訳（メタデータ） (2020-06-08T09:53:35Z)

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。