Fugu-MT 論文翻訳(概要): Neural Network Solutions of Bosonic Quantum Systems in One Dimension

論文の概要: Neural Network Solutions of Bosonic Quantum Systems in One Dimension

arxiv url: http://arxiv.org/abs/2309.02352v1
Date: Tue, 5 Sep 2023 16:08:48 GMT
ステータス: 処理完了
システム内更新日: 2023-09-17 14:05:33.449516
Title: Neural Network Solutions of Bosonic Quantum Systems in One Dimension
Title（参考訳）: ボソニック量子システムの1次元ニューラルネットワーク解
Authors: Paulo F. Bedaque, Hersh Kumar, Andy Sheng
Abstract要約: 我々は、ニューラルネットワークを用いて、いくつかの異なる積分可能なボソニック量子系を1次元で研究することで、方法論をベンチマークする。多数の粒子を持つシステムに対する手続きのスケーラビリティをテストする一方で、ニューラルネットワークに対称関数入力を導入し、区別不能な粒子の交換対称性を強制する。
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: Neural networks have been proposed as efficient numerical wavefunction ansatze which can be used to variationally search a wide range of functional forms for ground state solutions. These neural network methods are also advantageous in that more variational parameters and system degrees of freedom can be easily added. We benchmark the methodology by using neural networks to study several different integrable bosonic quantum systems in one dimension and compare our results to the exact solutions. While testing the scalability of the procedure to systems with many particles, we also introduce using symmetric function inputs to the neural network to enforce exchange symmetries of indistinguishable particles.
Abstract（参考訳）: ニューラルネットワークは、基底状態解の幅広い機能形式を変分探索するために使用できる効率的な数値波動関数 ansatze として提案されている。これらのニューラルネットワーク手法は、より多くの変動パラメータとシステムの自由度を容易に追加できる点でも有利である。ニューラルネットワークを用いて1次元で複数の異なる積分可能なボソニック量子系を解析し、その結果を正確な解と比較する。多数の粒子を持つシステムに対する手続きのスケーラビリティをテストする一方で、ニューラルネットワークに対称関数入力を導入し、区別できない粒子の交換対称性を強制する。

関連論文リスト

Chebyshev Spectral Neural Networks for Solving Partial Differential Equations [0.0]
この研究は、フィードフォワードニューラルネットワークモデルとエラーバックプロパゲーション原理を用いて、損失関数の計算に自動微分(AD)を利用する。楕円偏微分方程式を用いて,CSNNモデルの数値効率と精度について検討し,よく知られた物理インフォームドニューラルネットワーク(PINN)法と比較した。
論文参考訳（メタデータ） (2024-06-06T05:31:45Z)
Neural Quantum States in Variational Monte Carlo Method: A Brief Summary [0.0]
スピン系に対するニューラル量子状態に基づく変分モンテカルロ法について概説する。ニューラルネットワークは、比較的小さな計算資源を持つ比較的複雑な波動関数を表現できる。量子状態トモグラフィでは、神経量子状態の表現法はすでに大きな成果を上げている。
論文参考訳（メタデータ） (2024-06-03T05:55:55Z)
The Empirical Impact of Neural Parameter Symmetries, or Lack Thereof [50.49582712378289]
ニューラル・ネットワーク・アーキテクチャの導入により,ニューラル・パラメータ・対称性の影響について検討する。我々は,パラメータ空間対称性を低減するために,標準的なニューラルネットワークを改良する2つの手法を開発した。実験により,パラメータ対称性の経験的影響に関する興味深い観察がいくつか示された。
論文参考訳（メタデータ） (2024-05-30T16:32:31Z)
Graph Neural Networks for Learning Equivariant Representations of Neural Networks [55.04145324152541]
本稿では,ニューラルネットワークをパラメータの計算グラフとして表現することを提案する。我々のアプローチは、ニューラルネットワークグラフを多種多様なアーキテクチャでエンコードする単一モデルを可能にする。本稿では,暗黙的ニューラル表現の分類や編集など,幅広いタスクにおける本手法の有効性を示す。
論文参考訳（メタデータ） (2024-03-18T18:01:01Z)
Deep Neural Networks as Variational Solutions for Correlated Open Quantum Systems [0.0]
より強力なモデルで直接密度行列をパラメータ化することで、より良い変分アンザッツ関数が得られることを示す。本稿では, 散逸的一次元逆場イジングモデルと2次元散逸的ハイゼンベルクモデルについて述べる。
論文参考訳（メタデータ） (2024-01-25T13:41:34Z)
Permutation Equivariant Neural Functionals [92.0667671999604]
この研究は、他のニューラルネットワークの重みや勾配を処理できるニューラルネットワークの設計を研究する。隠れた層状ニューロンには固有の順序がないため, 深いフィードフォワードネットワークの重みに生じる置換対称性に着目する。実験の結果, 置換同変ニューラル関数は多種多様なタスクに対して有効であることがわかった。
論文参考訳（メタデータ） (2023-02-27T18:52:38Z)
Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文参考訳（メタデータ） (2022-12-21T19:00:04Z)
Simple initialization and parametrization of sinusoidal networks via their kernel bandwidth [92.25666446274188]
従来の活性化機能を持つネットワークの代替として、活性化を伴う正弦波ニューラルネットワークが提案されている。まず,このような正弦波ニューラルネットワークの簡易版を提案する。次に、ニューラルタンジェントカーネルの観点からこれらのネットワークの挙動を分析し、そのカーネルが調整可能な帯域幅を持つ低域フィルタを近似することを実証する。
論文参考訳（メタデータ） (2022-11-26T07:41:48Z)
Variational learning of quantum ground states on spiking neuromorphic hardware [0.0]
高次元サンプリング空間と過渡自己相関は、難しい計算ボトルネックを伴うニューラルネットワークに直面する。従来のニューラルネットワークと比較して、物理モデルデバイスは高速で効率的で本質的に並列な基板を提供する。変動エネルギー最小化による量子スピンモデルの基底状態を表すニューロモルフィックチップの能力を示す。
論文参考訳（メタデータ） (2021-09-30T14:39:45Z)
Sampling asymmetric open quantum systems for artificial neural networks [77.34726150561087]
非対称な開系に対する高速収束時間と高いスケーラビリティを実現し,非対称性を考慮したハイブリッドサンプリング戦略を提案する。我々は、ニューラルネットワークの普遍的適用性を強調し、ニューラルネットワークの普遍的適用性を概説する。
論文参考訳（メタデータ） (2020-12-20T18:25:29Z)
Random Sampling Neural Network for Quantum Many-Body Problems [0.0]
本稿では,対話型多体システムのランダムサンプリング行列要素に対して,自己教師型学習手法を用いてパターン認識手法を用いたランダムサンプリングニューラルネットワーク(Random Smpling Neural Networks, RNN)を提案する。 RSNNの適用性をテストするために、横フィールドを持つIsingモデル、Fermi-Hubbardモデル、Spin-$1/2$$XXZ$モデルなど、正確に解決可能ないくつかの1Dモデルが使用されている。
論文参考訳（メタデータ） (2020-11-10T15:52:44Z)

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。