論文の概要: Correlations in Disordered Solvable Tensor Network States

• arxiv url: http://arxiv.org/abs/2309.04776v1
• Date: Sat, 9 Sep 2023 12:31:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-12 16:28:10.606740
• Title: Correlations in Disordered Solvable Tensor Network States
• Title（参考訳）: 不規則可解テンソルネットワーク状態の相関
• Authors: Daniel Haag, Richard M. Milbradt, Christian B. Mendl
• Abstract要約: 可解行列積と射影絡み合ったペア状態は、双対および三次単位量子回路によって進化し、解析的にアクセス可能な相関関数を持つ。 本研究では,ランダムな乱れテンソルネットワーク状態に対して,物理的に動機付けられた2点等時相関関数の平均挙動を計算した。
• 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: Solvable matrix product and projected entangled pair states evolved by dual and ternary-unitary quantum circuits have analytically accessible correlation functions. Here, we investigate the influence of disorder. Specifically, we compute the average behavior of a physically motivated two-point equal-time correlation function with respect to random disordered solvable tensor network states arising from the Haar measure on the unitary group. By employing the Weingarten calculus, we provide an exact analytical expression for the average of the $k$th moment of the correlation function. The complexity of the expression scales with $k!$ and is independent of the complexity of the underlying tensor network state. Our result implies that the correlation function vanishes on average, while its covariance is nonzero.
• Abstract（参考訳）: 可解行列積と射影絡み合ったペア状態は、双対および三次単位量子回路によって進化し、解析的にアクセス可能な相関関数を持つ。 ここでは障害の影響について検討する。 具体的には、単位群上のハール測度から生じるランダム乱れ可解テンソルネットワーク状態に対して、物理的に動機付けられた2点等時相関関数の平均挙動を計算する。 Weingarten 計算を用いることで、相関関数の $k$th モーメントの平均に対して正確な解析式を提供する。 表現の複雑さは$kでスケールします! 基礎となるテンソルネットワーク状態の複雑さとは独立している。 その結果,相関関数は平均で消失するが,共分散は0。

関連論文リスト

• Dynamical response and time correlation functions in random quantum systems [0.0]
  時間依存応答と相関関数は、無限に多くの部分からなるランダム量子系において研究される。 アンサンブルの個々のメンバーの相関関数は確率分布で特徴づけられる。
  論文  参考訳（メタデータ） (2024-08-18T09:28:51Z)
• Two-time second-order correlation function [0.0]
  微分方程式,コヒーレント状態プロパゲータ,準統計分布関数などによる2次相関関数の導出について述べる。
  論文  参考訳（メタデータ） (2024-06-15T07:59:39Z)
• TIC-TAC: A Framework for Improved Covariance Estimation in Deep Heteroscedastic Regression [109.69084997173196]
  奥行き回帰は、予測分布の平均と共分散を負の対数類似度を用いて共同最適化する。 近年の研究では, 共分散推定に伴う課題により, 準最適収束が生じる可能性が示唆されている。 1)予測共分散は予測平均のランダム性を真に捉えているか? その結果, TICは共分散を正確に学習するだけでなく, 負の対数類似性の収束性の向上も促進することがわかった。
  論文  参考訳（メタデータ） (2023-10-29T09:54:03Z)
• On the renormalization group fixed point of the two-dimensional Ising model at criticality [77.34726150561087]
  演算子-代数的再正規化(OAR)を用いた固定点の単純で明示的な解析記述が可能であることを示す。 具体的には、固定点はスピンスピン相関関数によって特徴づけられる。
  論文  参考訳（メタデータ） (2023-04-06T16:57:28Z)
• Typical Correlation Length of Sequentially Generated Tensor Network States [0.0]
  テンソルネットワーク状態によって相関が極めてよく捉えられる局所相互作用を持つスピンに焦点をあてる。 逐次生成を許容する1次元と2次元のランダムテンソルネットワーク状態のアンサンブルを定義する。 検討対象の空間次元にのみ依存する相関長が一貫した出現を観察する。
  論文  参考訳（メタデータ） (2023-01-11T18:24:45Z)
• Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
  統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。 本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
  論文  参考訳（メタデータ） (2022-08-29T16:16:22Z)
• Generalization Bounds via Convex Analysis [12.411844611718958]
  連関出力分布の強い凸関数によって相互情報を置き換えることが可能であることを示す。 例えば、$p$-normの発散とワッサーシュタイン2距離の項で表される境界がある。
  論文  参考訳（メタデータ） (2022-02-10T12:30:45Z)
• An Indirect Rate-Distortion Characterization for Semantic Sources: General Model and the Case of Gaussian Observation [83.93224401261068]
  ソースモデルは、情報の意味的側面に対する最近の関心の高まりによって動機付けられている。 intrinsic状態は、一般に観測不可能なソースの意味的特徴に対応する。 レート歪み関数は、ソースのセマンティックレート歪み関数である。
  論文  参考訳（メタデータ） (2022-01-29T02:14:24Z)
• Acceleration in Distributed Optimization Under Similarity [72.54787082152278]
  集中ノードを持たないエージェントネットワーク上での分散(強い凸)最適化問題について検討する。 $varepsilon$-solutionは$tildemathcalrhoObig(sqrtfracbeta/mu (1-)log1/varepsilonbig)$通信ステップ数で達成される。 この速度は、関心のクラスに適用される分散ゴシップ-アルゴリズムの、初めて(ポリログ因子まで)より低い複雑性の通信境界と一致する。
  論文  参考訳（メタデータ） (2021-10-24T04:03:00Z)
• Correlations of quantum curvature and variance of Chern numbers [0.0]
  相関関数は小さな分離点における距離の逆転として発散することを示す。 また、混合状態の相関関数を定義して解析し、それは有限であるが小さな分離において特異であることを示す。
  論文  参考訳（メタデータ） (2020-12-07T18:00:40Z)
• Can Temporal-Difference and Q-Learning Learn Representation? A Mean-Field Theory [110.99247009159726]
  時間差とQ-ラーニングは、ニューラルネットワークのような表現力のある非線形関数近似器によって強化される深層強化学習において重要な役割を担っている。 特に時間差学習は、関数近似器が特徴表現において線形であるときに収束する。
  論文  参考訳（メタデータ） (2020-06-08T17:25:22Z)

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。