Fugu-MT 論文翻訳(概要): Inverse renormalization group of spin glasses

論文の概要: Inverse renormalization group of spin glasses

arxiv url: http://arxiv.org/abs/2310.12631v2
Date: Tue, 29 Oct 2024 14:20:22 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-30 13:36:14.650568
Title: Inverse renormalization group of spin glasses
Title（参考訳）: スピングラスの逆再正規化群
Authors: Dimitrios Bachtis,
Abstract要約: スピングラス研究において,まだスーパーコンピュータや大規模シミュレーションによってアクセスされていない格子体積の近似構成を構築するために,逆再正規化群変換を提案する。機械学習アルゴリズムを用いて、最大$V'=1283$までの再スケール格子を構築し、2つの臨界指数を抽出する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We propose inverse renormalization group transformations to construct approximate configurations for lattice volumes that have not yet been accessed by supercomputers or large-scale simulations in the study of spin glasses. Specifically, starting from lattices of volume $V=8^{3}$ in the case of the three-dimensional Edwards-Anderson model we employ machine learning algorithms to construct rescaled lattices up to $V'=128^{3}$, which we utilize to extract two critical exponents. We conclude by discussing how to incorporate numerical exactness within inverse renormalization group methods of disordered systems, thus opening up the opportunity to explore a sustainable and energy-efficient generation of exact configurations for increasing lattice volumes without the use of dedicated supercomputers.
Abstract（参考訳）: スピングラス研究において,まだスーパーコンピュータや大規模シミュレーションによってアクセスされていない格子体積の近似構成を構築するために,逆再正規化群変換を提案する。具体的には、体積$V=8^{3}$の格子から始め、3次元のエドワーズ・アンダーソンモデルの場合、我々は機械学習アルゴリズムを用いて、最大$V'=128^{3}$までの再スケール格子を構築し、2つの臨界指数を抽出する。障害系の逆正規化グループ手法に数値的正確性を組み込む方法について論じることで、専用スーパーコンピュータを使わずに格子体積を増大させるための、持続的でエネルギー効率の高い正確な構成を創出する機会を開拓する。

関連論文リスト

Generating configurations of increasing lattice size with machine learning and the inverse renormalization group [0.0]
逆再正規化群法は、臨界減速効果を伴わずに格子サイズを増大させる構成を反復的に生成することができる。統計力学、格子場理論、不規則系のモデルに適用する。三次元のエドワーズ・アンダーソンスピンガラスの場合、逆再正規化群を用いて、まだ専用スーパーコンピュータでアクセスされていない格子体積の構成を構築することができる。
論文参考訳（メタデータ） (2024-05-25T16:00:37Z)
Accelerated Discovery of Machine-Learned Symmetries: Deriving the Exceptional Lie Groups G2, F4 and E6 [55.41644538483948]
このレターでは、対称性変換の発見を著しく高速化する2つの改良されたアルゴリズムを紹介している。例外的リー群の複雑性を考えると,この機械学習手法は完全に汎用的であり,多種多様なラベル付きデータセットに適用可能であることを示す。
論文参考訳（メタデータ） (2023-07-10T20:25:44Z)
Geometric Clifford Algebra Networks [53.456211342585824]
本稿では,動的システムのモデリングのためのGeometric Clifford Algebra Networks (GCANs)を提案する。 GCANは幾何学的(クリフォード)代数を用いた対称性群変換に基づいている。
論文参考訳（メタデータ） (2023-02-13T18:48:33Z)
Deep Learning Symmetries and Their Lie Groups, Algebras, and Subalgebras from First Principles [55.41644538483948]
ラベル付きデータセットに存在する連続した対称性群の検出と同定のためのディープラーニングアルゴリズムを設計する。完全に接続されたニューラルネットワークを用いて、変換対称性と対応するジェネレータをモデル化する。また,Lie群とその性質の数学的研究に機械学習アプローチを使うための扉を開く。
論文参考訳（メタデータ） (2023-01-13T16:25:25Z)
Approximate Equivariance SO(3) Needlet Convolution [3.1050801937854504]
本稿では,回転群SO(3)に対する回転不変なフレッシュレット畳み込み法を開発し,球面信号のマルチスケール情報を蒸留する。このネットワークは、球面信号の幾何学的不変の特徴を抽出する強力なツールを確立する。 NESは、量子化学レグレッションと宇宙マイクロ波背景(CMB)復調のための最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2022-06-17T17:21:56Z)
Gluon Digitization via Character Expansion for Quantum Computers [0.0]
離散部分群に基づくスキームは、体系的な誤りを犠牲にしてより小さく、固定された数のキュービットを使用する。我々は、連続群作用と離散群の作用とをマッチングすることにより、単一小冊子作用を導出することにより、このアプローチを体系化する。このスキームは、カップリング定数の5階までの$SU(3)$の最大の離散結晶様部分群に対する純ゲージのシミュレーションによって付随する。
論文参考訳（メタデータ） (2022-03-04T14:12:52Z)
ResNet-LDDMM: Advancing the LDDMM Framework Using Deep Residual Networks [86.37110868126548]
本研究では,eulerの離散化スキームに基づく非定常ode(フロー方程式)の解法として,深層残留ニューラルネットワークを用いた。複雑なトポロジー保存変換の下での3次元形状の多種多様な登録問題について述べる。
論文参考訳（メタデータ） (2021-02-16T04:07:13Z)
WrapNet: Neural Net Inference with Ultra-Low-Resolution Arithmetic [57.07483440807549]
ニューラルネットワークをアキュムレータの低分解能(8ビット)加算に適応させ,32ビットのアキュムレータに匹敵する分類精度を実現する手法を提案する。ソフトウェアプラットフォームとハードウェアプラットフォームの両方において、我々のアプローチの有効性を実証する。
論文参考訳（メタデータ） (2020-07-26T23:18:38Z)
Gluon Field Digitization via Group Space Decimation for Quantum Computers [0.0]
離散部分群に基づくスキームは、体系的エラーのコストでより少ないキュービットを使用する。一般連続ゲージ群を近似するための単一のプラケット作用を導出することにより、このアプローチを体系化する。このスキームは純ゲージのシミュレーションによって、$SU(3)$の最大の離散部分群を3階まで加える。
論文参考訳（メタデータ） (2020-05-28T18:31:58Z)
Numerical linked cluster expansions for inhomogeneous systems [0.0]
非均質システムに直接適用可能な数値連成クラスタ展開法(NLCE)を開発した。 NLCEは、計算コストの対角化を正確に行うよりも、適度に劇的に改善できることを示す。
論文参考訳（メタデータ） (2020-05-06T23:59:49Z)
Simulating nonnative cubic interactions on noisy quantum machines [65.38483184536494]
量子プロセッサは、ハードウェアに固有のものではないダイナミクスを効率的にシミュレートするためにプログラムできることを示す。誤差補正のないノイズのあるデバイスでは、モジュールゲートを用いて量子プログラムをコンパイルするとシミュレーション結果が大幅に改善されることを示す。
論文参考訳（メタデータ） (2020-04-15T05:16:24Z)

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。