論文の概要: Unsupervised learning of site percolation based on shuffled
configurations
- arxiv url: http://arxiv.org/abs/2311.14725v1
- Date: Mon, 20 Nov 2023 10:21:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-03 13:40:52.263222
- Title: Unsupervised learning of site percolation based on shuffled
configurations
- Title(参考訳): シャッフル構成に基づくサイトパーコレーションの教師なし学習
- Authors: Dian Xu, Shanshan Wang, Feng Gao, Wei Li and Jianmin Shen
- Abstract要約: 本研究では、教師なし学習に基づく主成分分析(PCA)とオートエンコーダ(AE)を適用し、平衡相転移におけるパーコレーションモデルの様々な構成を研究する。
本研究では,ニューラルネットワークの入力として使用するパーコレーショングラフのランダム化と選択を行い,解析を行った。
- 参考スコア(独自算出の注目度): 6.91923079447459
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the field of statistical physics, machine learning has gained significant
popularity and has achieved remarkable results in recent studies on phase
transitions.In this paper, we apply Principal Component Analysis (PCA) and
Autoencoder(AE) based on Unsupervised learning to study the various
configurations of the percolation model in equilibrium phase transition. In
certain phase transition models, such as the DP model in non-equilibrium phase
transitions, the order parameter is particle density. However, in some other
phase transition models, such as the percolation model, it is not. This study
involved randomizing and selecting percolation graphs to be used as input for a
neural network, and analyzed the obtained results, indicating that the outputs
of the single latent variable of AE and the first principal component of PCA
are signals related to particle density.
- Abstract(参考訳): 統計物理学の分野では,近年の相転移研究において,機械学習が注目されている。本論文では,非教師なし学習に基づく主成分分析(pca)とオートエンコーダ(ae)を適用し,平衡相転移におけるパーコレーションモデルの様々な構成について検討する。
非平衡相転移におけるDPモデルのような特定の相転移モデルでは、順序パラメータは粒子密度である。
しかし、パーコレーションモデルのような他の相転移モデルでは、そうではない。
本研究は、ニューラルネットワークの入力として使用するパーコレーショングラフのランダム化と選択を行い、得られた結果を分析し、aeの単一潜在変数とpcaの第1主成分の出力が粒子密度に関連する信号であることを示す。
関連論文リスト
- Dynamical Regimes of Diffusion Models [14.797301819675454]
空間の次元とデータ数が大きい体制における生成拡散モデルについて検討する。
本研究は, 逆向き発生拡散過程における3つの異なる動的状態を明らかにするものである。
崩壊時間の次元とデータ数への依存性は、拡散モデルにおける次元の呪いの徹底的な評価を与える。
論文 参考訳(メタデータ) (2024-02-28T17:19:26Z) - Synthetic location trajectory generation using categorical diffusion
models [50.809683239937584]
拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。
本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
論文 参考訳(メタデータ) (2024-02-19T15:57:39Z) - Machine Learning for the identification of phase-transitions in
interacting agent-based systems [0.0]
エージェントモデルに対する位相遷移をピンポイントするデータ駆動型フレームワークを提案する。
我々は、データ駆動潜在変数の相似集合を特定するために、多様体学習アルゴリズムを用いる。
次に、深層学習フレームワークを用いて、データ駆動座標の共形再パラメータ化を求める。
論文 参考訳(メタデータ) (2023-10-29T15:07:08Z) - Machine learning in and out of equilibrium [58.88325379746631]
我々の研究は、統計物理学から適応したフォッカー・プランク法を用いて、これらの平行線を探索する。
我々は特に、従来のSGDでは平衡が切れている長期的限界におけるシステムの定常状態に焦点を当てる。
本稿では,ミニバッチの置き換えを伴わない新しいランゲヴィンダイナミクス(SGLD)を提案する。
論文 参考訳(メタデータ) (2023-06-06T09:12:49Z) - Evaluating the Transferability of Machine-Learned Force Fields for
Material Property Modeling [2.494740426749958]
本稿では,機械学習力場の伝達性を評価するため,より包括的なベンチマークテストを提案する。
我々は、OpenMMパッケージと結合したグラフニューラルネットワーク(GNN)ベースの力場を用いて、ArgonのMDシミュレーションを実行する。
実験結果から, モデルが固体相の挙動を正確に把握できるのは, 固体相の構成がトレーニングデータセットに含まれる場合のみであることがわかった。
論文 参考訳(メタデータ) (2023-01-10T00:25:48Z) - Particle-Based Score Estimation for State Space Model Learning in
Autonomous Driving [62.053071723903834]
マルチオブジェクト状態推定はロボットアプリケーションの基本的な問題である。
粒子法を用いて最大形パラメータを学習することを検討する。
自動運転車から収集した実データに本手法を適用した。
論文 参考訳(メタデータ) (2022-12-14T01:21:05Z) - Transfer learning of phase transitions in percolation and directed
percolation [2.0342076109301583]
本研究では,非平衡・平衡相転移モデルの研究のために,転送学習に基づくドメイン対向ニューラルネットワーク(DANN)を適用した。
両モデルのDANN学習はモンテカルロシミュレーションに匹敵する信頼性の高い結果をもたらす。
論文 参考訳(メタデータ) (2021-12-31T15:24:09Z) - Unsupervised machine learning approaches to the $q$-state Potts model [0.0]
我々は,多くの教師なし機械学習技術を通じて,$q$状態ポッツモデルの位相遷移を研究する。
この研究は、位相遷移の研究において、異なる教師なし機械学習アルゴリズムを使用するためのベンチマークと見なすことができる。
論文 参考訳(メタデータ) (2021-12-13T15:37:13Z) - Statistical Approach to Quantum Phase Estimation [62.92678804023415]
位相推定アルゴリズム(PEA)に新しい統計的・変動的アプローチを導入する。
固有位相推定のみを返す従来的かつ反復的なPEAとは異なり、提案手法は未知の固有状態-固有位相対を決定できる。
本稿では,IBM Qプラットフォームおよびローカルコンピュータ上で,Qiskitパッケージを用いた手法のシミュレーション結果を示す。
論文 参考訳(メタデータ) (2021-04-21T00:02:00Z) - Unsupervised machine learning of topological phase transitions from
experimental data [52.77024349608834]
超低温原子からの実験データに教師なし機械学習技術を適用する。
我々は、完全にバイアスのない方法で、ハルダンモデルの位相位相図を得る。
我々の研究は、複雑な多体系における新しいエキゾチック位相の教師なし検出のためのベンチマークを提供する。
論文 参考訳(メタデータ) (2021-01-14T16:38:21Z) - Kernel and Rich Regimes in Overparametrized Models [69.40899443842443]
過度にパラメータ化された多層ネットワーク上の勾配勾配は、RKHSノルムではないリッチな暗黙バイアスを誘発できることを示す。
また、より複雑な行列分解モデルと多層非線形ネットワークに対して、この遷移を実証的に示す。
論文 参考訳(メタデータ) (2020-02-20T15:43:02Z)
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。