論文の概要: Backflow Corrections of Green's Functions: Benchmarks on the
Two-dimensional Fermi-Hubbard-type Model
- arxiv url: http://arxiv.org/abs/2308.11823v2
- Date: Tue, 5 Sep 2023 03:01:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-07 03:07:38.231087
- Title: Backflow Corrections of Green's Functions: Benchmarks on the
Two-dimensional Fermi-Hubbard-type Model
- Title(参考訳): グリーン関数の逆流補正:二次元Fermi-Hubbard型モデルのベンチマーク
- Authors: Yu-Tong Zhou, Zheng-Wei Zhou, Xiao Liang
- Abstract要約: そこで本研究では, 1体グリーン関数の逆流補正を行い, 相関を捉える能力を向上する。
本手法は, 開境界条件を持つスピンレス$t-V$モデルと, 周期的および円筒的境界条件を持つFermi-Hubbardモデルでベンチマークを行った。
- 参考スコア(独自算出の注目度): 5.907901345511051
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The quantum many-body problem is an important topic in condensed matter
physics. To efficiently solve the problem, several methods have been developped
to improve the representation ability of wave-functions. For the
Fermi-Hubbard-type model, the ground energy contains one-body and two-body
correlations. In contrast to the wave-function, the Green function directly
represents the spatio-temporal correlations between multiple sites. In this
work, we propose a backflow correction of the one-body Green function to
improve the ability to capture correlations. Our method is benchmarked on the
spinless $t-V$ model with open boundary conditions and on the Fermi-Hubbard
model with periodic and cylindrical boudary conditions, both on rectangular
lattices. The energies achieved by our method are competitive with or even
lower than those achieved by state-of-the-art methods.
- Abstract(参考訳): 量子多体問題は凝縮物質物理学において重要なトピックである。
この問題を解決するため、波動関数の表現能力を向上させるため、いくつかの手法が開発されている。
フェルミ・ハバード型モデルでは、基底エネルギーは1体と2体の相関を含む。
波動関数とは対照的に、グリーン関数は複数の部位間の時空間相関を直接表現する。
本研究では, 1体グリーン関数の逆流補正を行い, 相関を捉える能力を向上させる。
本手法は,開境界条件を持つスピンレス$t-V$モデルと,長方形格子上の周期的および円筒的境界条件を持つFermi-Hubbardモデルでベンチマークを行う。
本手法で得られたエネルギーは最先端の手法で達成したエネルギーよりも、あるいはさらに低いエネルギーである。
関連論文リスト
- Tensor-GaLore: Memory-Efficient Training via Gradient Tensor Decomposition [93.98343072306619]
本研究では,高次テンソル重み付きニューラルネットワークの効率的なトレーニング手法であるNavier-GaLoreを提案する。
様々なPDEタスクの中で、Navier-GaLoreはメモリ節約を実現し、最大75%のメモリ使用量を削減している。
論文 参考訳(メタデータ) (2025-01-04T20:51:51Z) - Stochastic Reconstruction of Gappy Lagrangian Turbulent Signals by Conditional Diffusion Models [1.7810134788247751]
本研究では, 乱流によって受動的に対流する小物体の軌道に沿って, 空間・速度の欠落を再現する手法を提案する。
近年提案されているデータ駆動機械学習技術である条件付き生成拡散モデルを利用する。
論文 参考訳(メタデータ) (2024-10-31T14:26:10Z) - Determinant- and Derivative-Free Quantum Monte Carlo Within the Stochastic Representation of Wavefunctions [0.0]
連続的な実空間量子多体系の基底状態を記述することは、重要な計算課題である。
近年の進歩は機械学習(ML)アンサテイズに基づく変分法によってなされている。
我々は、SRWと経路積分技術を組み合わせることで、3つの問題を同時に克服する新しい定式化がもたらされると主張している。
論文 参考訳(メタデータ) (2024-02-09T17:51:32Z) - A bound on approximating non-Markovian dynamics by tensor networks in
the time domain [0.9790236766474201]
時間計算資源を用いて,スピンボソンモデルを効率的にシミュレーションできることを示す。
この境界は、スピンボソンモデルが時間計算資源を用いて効率的にシミュレートできることを示している。
論文 参考訳(メタデータ) (2023-07-28T14:50:53Z) - Sampling with Mollified Interaction Energy Descent [57.00583139477843]
モーフィファイド相互作用エネルギー降下(MIED)と呼ばれる新しい最適化に基づくサンプリング手法を提案する。
MIEDは、モル化相互作用エネルギー(MIE)と呼ばれる確率測度に関する新しいクラスのエネルギーを最小化する
我々は,制約のないサンプリング問題に対して,我々のアルゴリズムがSVGDのような既存の粒子ベースアルゴリズムと同等に動作することを示す。
論文 参考訳(メタデータ) (2022-10-24T16:54:18Z) - GeoDiff: a Geometric Diffusion Model for Molecular Conformation
Generation [102.85440102147267]
分子配座予測のための新しい生成モデルGeoDiffを提案する。
GeoDiffは、既存の最先端のアプローチよりも優れているか、あるいは同等であることを示す。
論文 参考訳(メタデータ) (2022-03-06T09:47:01Z) - Wave function Ansatz (but Periodic) Networks and the Homogeneous
Electron Gas [1.7944372791281356]
均一電子ガスの基底状態波動関数を変動的に検出するニューラルネットワークAnsatzを設計する。
7,14,19電子のスピン偏極相と常磁性相を幅広い密度で研究した。
この貢献により、ニューラルネットワークモデルは、周期的な電子システムに対して、柔軟で高精度なAns"atzeとして確立される。
論文 参考訳(メタデータ) (2022-02-02T14:12:49Z) - Rotating Majorana Zero Modes in a disk geometry [75.34254292381189]
マイクロ波超伝導体を用いて作製した薄板ディスクにおけるマヨラナゼロモードの操作について検討した。
平面内磁場印加時に発生する2階位相角モードを解析する。
零モードと励起状態の周波数独立結合により, 断熱相においても振動が持続することを示す。
論文 参考訳(メタデータ) (2021-09-08T11:18:50Z) - Machine Learning S-Wave Scattering Phase Shifts Bypassing the Radial
Schr\"odinger Equation [77.34726150561087]
本稿では, 畳み込みニューラルネットワークを用いて, 正確な散乱s波位相シフトを得られる機械学習モデルの実証を行う。
我々は、ハミルトニアンが物理的に動機づけられた記述子の構築において、いかにして指導原理として機能するかについて議論する。
論文 参考訳(メタデータ) (2021-06-25T17:25:38Z) - Physics-informed CoKriging model of a redox flow battery [68.8204255655161]
レドックスフロー電池(RFB)は、大量のエネルギーを安価かつ効率的に貯蔵する機能を提供する。
RFBの充電曲線の高速かつ正確なモデルが必要であり、バッテリ容量と性能が向上する可能性がある。
RFBの電荷分配曲線を予測する多相モデルを構築した。
論文 参考訳(メタデータ) (2021-06-17T00:49:55Z) - Simulating fermions in spin-dependent potentials with spin models on an
energy lattice [0.0]
スピン依存ポテンシャルにおけるスピン-1/2フェルミオンを、エンフスピンモデル近似の下で研究する。
スピンモデル近似は弱い相互作用に対して正確であることを示す。
エネルギー格子上のスピンモデルの解析に有用な数値的手法を提案する。
論文 参考訳(メタデータ) (2020-01-14T04:08:56Z)
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。