論文の概要: Discovering Symmetry Breaking in Physical Systems with Relaxed Group Convolution
- arxiv url: http://arxiv.org/abs/2310.02299v7
- Date: Sat, 1 Jun 2024 16:57:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-04 20:50:48.269723
- Title: Discovering Symmetry Breaking in Physical Systems with Relaxed Group Convolution
- Title（参考訳）: 緩和群畳み込みによる物理系における対称性の破れの発見
- Authors: Rui Wang, Elyssa Hofgard, Han Gao, Robin Walters, Tess E. Smidt,
- Abstract要約: 我々は、リラックスしたグループ畳み込みを用いてデータの非対称性を学習することに集中する。
我々は、様々な物理系において解釈可能で物理的に意味のある様々な対称性を破る要因を明らかにする。
- 参考スコア（独自算出の注目度）: 21.034937143252314
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modeling symmetry breaking is essential for understanding the fundamental changes in the behaviors and properties of physical systems, from microscopic particle interactions to macroscopic phenomena like fluid dynamics and cosmic structures. Thus, identifying sources of asymmetry is an important tool for understanding physical systems. In this paper, we focus on learning asymmetries of data using relaxed group convolutions. We provide both theoretical and empirical evidence that this flexible convolution technique allows the model to maintain the highest level of equivariance that is consistent with data and discover the subtle symmetry-breaking factors in various physical systems. We employ various relaxed group convolution architectures to uncover various symmetry-breaking factors that are interpretable and physically meaningful in different physical systems, including the phase transition of crystal structure, the isotropy and homogeneity breaking in turbulent flow, and the time-reversal symmetry breaking in pendulum systems.
- Abstract（参考訳）: 対称性の破れをモデル化することは、微視的な粒子相互作用から流体力学や宇宙構造のようなマクロな現象まで、物理系の挙動や性質の基本的な変化を理解するために不可欠である。
したがって、非対称性の源を特定することは物理系を理解するための重要なツールである。
本稿では、緩和されたグループ畳み込みを用いたデータの非対称性の学習に焦点を当てる。
このフレキシブルな畳み込み法は、データと整合した最も高いレベルの同値性を維持し、様々な物理系の微妙な対称性を破る要因を発見できるという理論的および実証的な証拠を提供する。
結晶構造の相転移,乱流の等方性と均質性破壊,振り子系の時間反転対称性破壊など,様々な物理系において解釈可能かつ物理的に意味のある様々な対称性破壊因子を明らかにするために,緩和群畳み込み構造を用いる。
関連論文リスト
- Finding discrete symmetry groups via Machine Learning [0.0]
物理系における離散対称性群を自動的に発見できる機械学習手法を提案する。
この方法は、システムの物理的性質を保存するパラメータ変換の有限集合を特定する。
論文 参考訳（メタデータ） (2023-07-25T12:37:46Z) - On discrete symmetries of robotics systems: A group-theoretic and
data-driven analysis [38.92081817503126]
力学系の離散的形態対称性について検討する。
これらの対称性は、系の形態学における1つ以上の平面/対称性の軸の存在から生じる。
我々はこれらの対称性をデータ拡張と$G$-equivariant Neural Networkを用いて活用する。
論文 参考訳（メタデータ） (2023-02-21T04:10:16Z) - Identifiability and Asymptotics in Learning Homogeneous Linear ODE Systems from Discrete Observations [114.17826109037048]
通常の微分方程式(ODE)は、機械学習において最近多くの注目を集めている。
理論的な側面、例えば、統計的推定の識別可能性と特性は、いまだに不明である。
本稿では,1つの軌道からサンプリングされた等間隔の誤差のない観測結果から,同次線形ODE系の同定可能性について十分な条件を導出する。
論文 参考訳（メタデータ） (2022-10-12T06:46:38Z) - Symmetry Group Equivariant Architectures for Physics [52.784926970374556]
機械学習の分野では、対称性に対する認識が目覚ましいパフォーマンスのブレークスルーを引き起こしている。
物理学のコミュニティと、より広い機械学習のコミュニティの両方に、理解すべきことがたくさんある、と私たちは主張する。
論文 参考訳（メタデータ） (2022-03-11T18:27:04Z) - Complexity from Adaptive-Symmetries Breaking: Global Minima in the
Statistical Mechanics of Deep Neural Networks [0.0]
深部ニューラルネットワーク(DNN)を理解するために、物理における保守対称性への適応対称性というアンチセティカル概念を提案する。
我々はDNNシステムの最適化過程を適応対称性破りの拡張プロセスとして特徴付けている。
より具体的には、この過程は統計物理学の一般化として評価できる統計力学モデルによって特徴づけられる。
論文 参考訳（メタデータ） (2022-01-03T09:06:44Z) - A deep learning driven pseudospectral PCE based FFT homogenization
algorithm for complex microstructures [68.8204255655161]
提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。
提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
論文 参考訳（メタデータ） (2021-10-26T07:02:14Z) - Exact solutions of interacting dissipative systems via weak symmetries [77.34726150561087]
我々は任意の強い相互作用や非線形性を持つクラスマルコフ散逸系(英語版)のリウヴィリアンを解析的に対角化する。
これにより、フルダイナミックスと散逸スペクトルの正確な記述が可能になる。
我々の手法は他の様々なシステムに適用でき、複雑な駆動散逸量子系の研究のための強力な新しいツールを提供することができる。
論文 参考訳（メタデータ） (2021-09-27T17:45:42Z) - Observation of symmetry-protected selection rules in periodically driven
quantum systems [8.674241138986925]
フロック系として知られる周期的に駆動される量子系は、近年非平衡物理学の焦点となっている。
フレケット状態間の対称性誘起選択規則を観察することにより, 動的対称性のキャラクタリゼーション方法を示す。
我々の研究は、強駆動フロケ系のトポロジカル位相で生じる動的対称性を研究するために量子制御ツールキットを利用する方法を示している。
論文 参考訳（メタデータ） (2021-05-25T20:45:32Z) - Dynamical symmetries of periodically-driven quantum systems and their
spectroscopic signatures [0.0]
本研究では, 回転, 粒子ホール, カイラル, 時間反転対称性とその分光学的特徴について検討した。
我々の予測では、量子系が強い光-物質結合状態に達すると、新しい物理現象が明らかになる。
論文 参考訳（メタデータ） (2020-11-13T04:44:44Z) - Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable
Dynamical Systems [74.80320120264459]
本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。
複素運動は安定な力学系のロールアウトとして符号化される。
このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
論文 参考訳（メタデータ） (2020-05-27T03:51:57Z) - Inverse Learning of Symmetries [71.62109774068064]
2つの潜在部分空間からなるモデルで対称性変換を学ぶ。
我々のアプローチは、情報ボトルネックと連続的な相互情報正規化器の組み合わせに基づいています。
我々のモデルは, 人工的および分子的データセットにおける最先端の手法より優れている。
論文 参考訳（メタデータ） (2020-02-07T13:48:52Z)
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。