論文の概要: Learning of Hamiltonian Dynamics with Reproducing Kernel Hilbert Spaces
- arxiv url: http://arxiv.org/abs/2312.09734v1
- Date: Fri, 15 Dec 2023 12:19:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-18 16:06:34.070371
- Title: Learning of Hamiltonian Dynamics with Reproducing Kernel Hilbert Spaces
- Title(参考訳): 核ヒルベルト空間を再現したハミルトン力学の学習
- Authors: Torbj{\o}rn Smith, Olav Egeland
- Abstract要約: 本稿では,限られたデータ点からハミルトン力学を学習する手法を提案する。
学習力学はハミルトニアンであり、学習したハミルトニアンベクトル場は奇数あるいは偶数となることが示されている。
- 参考スコア(独自算出の注目度): 0.844067337858849
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a method for learning Hamiltonian dynamics from a limited
set of data points. The Hamiltonian vector field is found by regularized
optimization over a reproducing kernel Hilbert space of vector fields that are
inherently Hamiltonian, and where the vector field is required to be odd or
even. This is done with a symplectic kernel, and it is shown how this
symplectic kernel can be modified to be odd or even. The performance of the
method is validated in simulations for two Hamiltonian systems. It is shown
that the learned dynamics are Hamiltonian, and that the learned Hamiltonian
vector field can be prescribed to be odd or even.
- Abstract(参考訳): 本稿では,限られたデータ点からハミルトン力学を学習する手法を提案する。
ハミルトニアンベクトル場は、本質的にハミルトニアンであり、ベクトル場が奇数あるいは偶数であるようなベクトル場の再生核ヒルベルト空間上の正規化された最適化によって発見される。
これはシンプレクティックカーネルで行われ、このシンプレクティックカーネルが奇妙でも偶数でも変更可能であることを示す。
この手法の性能は2つのハミルトニアン系のシミュレーションで検証される。
学習したダイナミクスはハミルトニアンであり、学習されたハミルトニアンベクトル場は奇数あるいは偶数であると定式化できることを示した。
関連論文リスト
- Vectorization of the density matrix and quantum simulation of the von
Neumann equation of time-dependent Hamiltonians [65.268245109828]
我々は、von-Neumann方程式を線形化するための一般的なフレームワークを開発し、量子シミュレーションに適した形でレンダリングする。
フォン・ノイマン方程式のこれらの線型化のうちの1つは、状態ベクトルが密度行列の列重ね元となる標準的な場合に対応することを示す。
密度行列の力学をシミュレートする量子アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-06-14T23:08:51Z) - Mapping Molecular Hamiltonians into Hamiltonians of Modular cQED
Processors [50.893896302254944]
本稿では,任意のモデル系のハミルトニアンを回路量子力学(cQED)プロセッサのハミルトニアンにマッピングする方法を提案する。
この方法は、Fenna-Matthews-Olson錯体の量子力学シミュレーションと電荷移動のスピン-ボソンモデルに適用される。
論文 参考訳(メタデータ) (2023-06-10T04:52:58Z) - Hamiltonian learning from time dynamics using variational algorithms [3.3269356210613656]
量子系のハミルトニアンはシュロディンガー方程式を通じて系の力学を支配している。
本稿では,時系列データセットを構成するランダム状態の可測値を用いて,ハミルトニアンをパウリ基底で再構成する。
本稿では, XX, ZZ結合を含むハミルトニアンについて, 横場イジング・ハミルトニアンとともに, SU(3) 群の生成元からなるハミルトニアンを学習するための解析的手法を提案する。
論文 参考訳(メタデータ) (2022-12-28T05:22:57Z) - NeuralEF: Deconstructing Kernels by Deep Neural Networks [47.54733625351363]
従来のNystr"om式に基づく非パラメトリックなソリューションはスケーラビリティの問題に悩まされる。
最近の研究はパラメトリックなアプローチ、すなわち固有関数を近似するためにニューラルネットワークを訓練している。
教師なしおよび教師なしの学習問題の空間に一般化する新たな目的関数を用いて,これらの問題を解くことができることを示す。
論文 参考訳(メタデータ) (2022-04-30T05:31:07Z) - Learning Neural Hamiltonian Dynamics: A Methodological Overview [109.40968389896639]
Hamiltonian dynamicsは、ニューラルネットワークに正確な長期予測、解釈可能性、データ効率の学習を与える。
我々は最近提案したハミルトンニューラルネットワークモデルについて、特に方法論に焦点を当てて体系的に調査した。
論文 参考訳(メタデータ) (2022-02-28T22:54:39Z) - Simultaneous Stoquasticity [0.0]
確率ハミルトニアンは、局所ハミルトニアン問題の計算複雑性において重要な役割を果たしている。
2つ以上のハミルトニアンがユニタリ変換によって同時に確率的になるかどうかという問題に対処する。
論文 参考訳(メタデータ) (2022-02-17T19:08:30Z) - Hamiltonian simulation with random inputs [74.82351543483588]
ランダム初期状態を持つハミルトンシミュレーションの平均ケース性能の理論
数値的な証拠は、この理論がコンクリート模型の平均誤差を正確に特徴づけていることを示唆している。
論文 参考訳(メタデータ) (2021-11-08T19:08:42Z) - Symplectic Learning for Hamiltonian Neural Networks [0.0]
Hamiltonian Neural Networks (HNN)は、統一された"グレーボックス"アプローチに向けた第一歩を踏み出した。
損失関数が異なるハミルトン系のシンプレクティック構造を利用する。
HNNが学習できる正確なハミルトン関数の存在を数学的に保証する。
論文 参考訳(メタデータ) (2021-06-22T13:33:12Z) - A simple approach to characterizing band topology in bosonic pairing
Hamiltonians [0.0]
粒子数を保存しない動的安定な二次ボソニック・ハミルトン群におけるバンドトポロジーの特徴付けの問題を再考する。
この問題はハミルトン数を保存する粒子数への滑らかで局所的な断熱写像法によって厳密に対処できることを示す。
我々のアプローチは、フェルミオンモデルに対する既知のアプローチを用いて、粒子非保存ボソニックハミルトニアンを分類できることを示している。
論文 参考訳(メタデータ) (2021-04-13T04:40:19Z) - High-Dimensional Gaussian Process Inference with Derivatives [90.8033626920884]
低データ状態の$ND$では、Gram行列は$mathcalO(N2D + (N2)3)$に推論のコストを下げる方法で分解できることを示す。
最適化や予測勾配を持つハミルトニアンモンテカルロなど、機械学習に関連する様々なタスクでこの可能性を実証する。
論文 参考訳(メタデータ) (2021-02-15T13:24:41Z)
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。