論文の概要: Krylov complexity in the IP matrix model II
- arxiv url: http://arxiv.org/abs/2308.07567v1
- Date: Tue, 15 Aug 2023 04:25:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-17 16:14:47.690833
- Title: Krylov complexity in the IP matrix model II
- Title(参考訳): IP行列モデルにおけるクリロフ複雑性II
- Authors: Norihiro Iizuka, Mitsuhiro Nishida
- Abstract要約: 我々は、クリロフの複雑性がゼロ温度の振動から無限温度の指数的な成長へとどのように変化するかを研究する。
任意の非零温度のIPモデルは、グリーン関数が時としてパワー則によって崩壊しても、クリロフ複雑性の指数関数的な成長を示す。
- 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 continue the analysis of the Krylov complexity in the IP matrix model. In
a previous paper, for a fundamental operator, it was shown that at zero
temperature, the Krylov complexity oscillates and does not grow, but in the
infinite temperature limit, the Krylov complexity grows exponentially in time
as $\sim \exp\left( {\mathcal{O}\left( {\sqrt{t}}\right)} \right)$. We study
how the Krylov complexity changes from a zero-temperature oscillation to an
infinite-temperature exponential growth. At low temperatures, the spectral
density is approximated as collections of infinite Wigner semicircles. We
showed that this infinite collection of branch cuts yields linear growth to the
Lanczos coefficients and gives exponential growth of the Krylov complexity.
Thus the IP model for any nonzero temperature shows exponential growth for the
Krylov complexity even though the Green function decays by a power law in time.
We also study the Lanczos coefficients and the Krylov complexity in the IOP
matrix model taking into account the $1/N^2$ corrections. There, the Lanczos
coefficients are constants and the Krylov complexity does not grow
exponentially as expected.
- Abstract(参考訳): IP行列モデルにおけるクリロフ複雑性の解析を継続する。
前回の論文では、基本作用素に対して、クリロフ複雑性はゼロ温度で振動し成長しないことを示したが、無限温度の極限では、クリロフ複雑性は $\sim \exp\left( {\mathcal{O}\left( {\sqrt{t}}\right)} \right)$ として指数関数的に増加する。
クリロフの複雑性はゼロ温度の振動から無限温度の指数関数的な成長へとどのように変化するかを研究する。
低温では、スペクトル密度は無限ウィグナー半円の集まりとして近似される。
この無限分岐切断の集まりはランツォス係数に線形成長をもたらし、クリロフ複雑性の指数的成長を与えることを示した。
したがって、任意の非零温度のIPモデルは、グリーン関数が時間内にパワー則によって崩壊しても、クリロフ複雑性の指数関数的な成長を示す。
また、1/N^2$補正を考慮したIOP行列モデルにおけるランツォス係数とクリロフ複雑性についても検討する。
ここで、ランチョス係数は定数であり、クリロフ複雑性は予想通り指数関数的に増大しない。
関連論文リスト
- Inflationary Krylov complexity [3.5849780324497798]
インフレーションにおける変分関係に対する曲率摂動のクリロフ複雑性について検討する。
我々の数値は、標準分散関係のLanczos係数とLyapunov指数が主にスケール係数によって決定されることを示している。
分析の結果,背景の劇的な変化(インフレ)がクリロフ複雑性の進化に大きな影響を及ぼすことが明らかとなった。
論文 参考訳(メタデータ) (2024-01-17T16:17:51Z) - Krylov complexity as an order parameter for deconfinement phase
transitions at large $N$ [0.0]
クリロフ複雑性(Krylov complexity)は、大きな$N$量子場理論における閉じ込め/分解遷移の順序パラメータである。
クリロフ複雑性は、質量スペクトルの連続性を通しての閉じ込め/分解相転移を反映していることを示す。
論文 参考訳(メタデータ) (2024-01-09T07:04:17Z) - SKI to go Faster: Accelerating Toeplitz Neural Networks via Asymmetric
Kernels [69.47358238222586]
Toeplitz Neural Networks (TNN) は、印象的な結果を持つ最近のシーケンスモデルである。
我々は, O(n) 計算複雑性と O(n) 相対位置エンコーダ (RPE) 多層パーセプトロン (MLP) と減衰バイアスコールの低減を目指す。
双方向モデルの場合、これはスパースと低ランクのToeplitz行列分解を動機付ける。
論文 参考訳(メタデータ) (2023-05-15T21:25:35Z) - Krylov complexity in quantum field theory, and beyond [68.8204255655161]
量子場理論の様々なモデルにおけるクリロフ複雑性について研究する。
クリロフ複雑性の指数的成長は、カオス上のマルダセナ-シェンカー-スタンフォード境界を一般化する対物的不等式を満たす。
論文 参考訳(メタデータ) (2022-12-29T19:00:00Z) - Krylov complexity in large-$q$ and double-scaled SYK model [0.0]
我々は、Krylov複雑性とより高いKrylov累積を、$t/q$効果とともに、部分リーディング順序で計算する。
クリロフ複雑性は分布の「サイズ」を自然に記述し、高い累積量はよりリッチな情報をエンコードする。
クリロフ複雑性の増大は「超高速」のように見えるが、これは以前はド・ジッター空間の揺らぎと関連していると推測されていた。
論文 参考訳(メタデータ) (2022-10-05T18:00:11Z) - Krylov Complexity in Open Quantum Systems [3.5895926924969404]
開系におけるクリロフ複雑性は半無限鎖の非エルミート強結合モデルに写像できることを示す。
私たちの研究は、オープン量子システムの複雑さ、カオス、ホログラフィーについて議論するための洞察を提供する。
論文 参考訳(メタデータ) (2022-07-27T16:03:41Z) - Ultimate Speed Limits to the Growth of Operator Complexity [0.0]
クリロフ複雑性の成長に基本的かつ普遍的な極限を導入する。
この条件が飽和していることを示し、量子カオスのパラダイムモデルにその妥当性を示す。
論文 参考訳(メタデータ) (2022-02-10T13:05:11Z) - Out-of-time-order correlations and the fine structure of eigenstate
thermalisation [58.720142291102135]
量子情報力学と熱化を特徴付けるツールとして、OTOC(Out-of-time-orderor)が確立されている。
我々は、OTOCが、ETH(Eigenstate Thermalisation hypothesis)の詳細な詳細を調査するための、本当に正確なツールであることを明確に示している。
無限温度状態における局所作用素の和からなる可観測物の一般クラスに対して、$omega_textrmGOE$の有限サイズスケーリングを推定する。
論文 参考訳(メタデータ) (2021-03-01T17:51:46Z) - On Function Approximation in Reinforcement Learning: Optimism in the
Face of Large State Spaces [208.67848059021915]
強化学習のコアにおける探索・探索トレードオフについて検討する。
特に、関数クラス $mathcalF$ の複雑さが関数の複雑さを特徴づけていることを証明する。
私たちの後悔の限界はエピソードの数とは無関係です。
論文 参考訳(メタデータ) (2020-11-09T18:32:22Z) - Relevant OTOC operators: footprints of the classical dynamics [68.8204255655161]
OTOC-RE定理(OTOC-RE theorem)は、作用素の完備な基底にまとめられたOTOCを第二レニイエントロピー(Renyi entropy)に関連付ける定理である。
関係作用素の小さな集合に対する和は、エントロピーの非常によい近似を得るのに十分であることを示す。
逆に、これは複雑性の別の自然な指標、すなわち時間と関連する演算子の数のスケーリングを提供する。
論文 参考訳(メタデータ) (2020-07-31T19:23:26Z) - Measuring Model Complexity of Neural Networks with Curve Activation
Functions [100.98319505253797]
本稿では,線形近似ニューラルネットワーク(LANN)を提案する。
ニューラルネットワークのトレーニングプロセスを実験的に検討し、オーバーフィッティングを検出する。
我々は、$L1$と$L2$正規化がモデルの複雑さの増加を抑制することを発見した。
論文 参考訳(メタデータ) (2020-06-16T07:38:06Z)
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。