論文の概要: Equivariant Symmetry Breaking Sets
- arxiv url: http://arxiv.org/abs/2402.02681v1
- Date: Mon, 5 Feb 2024 02:35:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-06 18:13:37.570783
- Title: Equivariant Symmetry Breaking Sets
- Title(参考訳): 等変対称性破れ集合
- Authors: YuQing Xie, Tess Smidt
- Abstract要約: 等価ニューラルネットワーク(ENN)は、基礎となる対称性を含むアプリケーションに非常に効果的であることが示されている。
完全同変な新しい対称性破壊フレームワークを提案する。
- 参考スコア(独自算出の注目度): 0.7650535549174193
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Equivariant neural networks (ENNs) have been shown to be extremely effective
in applications involving underlying symmetries. By construction ENNs cannot
produce lower symmetry outputs given a higher symmetry input. However,
spontaneous symmetry breaking occurs in many physical systems and we may obtain
a less symmetric stable state from an initial highly symmetric one. Hence, it
is imperative that we understand how to systematically break symmetry in ENNs.
In this work, we propose a novel symmetry breaking framework that is fully
equivariant. We emphasize that our approach is general and applicable to
equivariance under any group. To achieve this, we introduce the idea of
symmetry breaking sets (SBS). Rather than redesign existing networks, we design
sets of symmetry breaking objects which we feed into our network based on the
symmetry of our inputs and outputs. We show there is a natural way to define
equivariance on these sets, which gives an additional constraint. Minimizing
the size of these sets equates to data efficiency. We prove that minimizing
these sets translates to a well studied group theory problem, and tabulate
solutions to this problem for the point groups. Finally, we provide some
examples of symmetry breaking to demonstrate how our approach works in
practice.
- Abstract(参考訳): 等価ニューラルネットワーク(ENN)は、基礎となる対称性を含むアプリケーションに非常に効果的であることが示されている。
建設によって、ENNはより高い対称性の入力を与えられた低い対称性の出力を生成できない。
しかし、自発的対称性の破れは多くの物理系で起こり、初期高対称状態からより対称性の低い安定状態が得られる。
したがって、我々はENNの対称性を体系的に破る方法を理解することが不可欠である。
本研究では, 完全同変な新しい対称性破壊フレームワークを提案する。
我々は、我々のアプローチは、任意のグループの下での等分散に対して一般的かつ適用可能であることを強調する。
これを実現するために、対称破れ集合(SBS)の概念を導入する。
既存のネットワークを再設計する代わりに、入力と出力の対称性に基づいてネットワークに供給される対称性を破るオブジェクトセットを設計します。
これらの集合に同値を定義する自然な方法があることを示し、追加の制約を与える。
これらのセットのサイズを最小化することは、データ効率に等しい。
これらの集合を最小化することは、よく研究された群論問題に変換され、点群に対するこの問題に対する解を集計する。
最後に、我々のアプローチが実際にどのように機能しているかを示すために、対称性の破れのいくつかの例を示す。
関連論文リスト
- Symmetry-restricted quantum circuits are still well-behaved [45.89137831674385]
対称性で制限された量子回路は、全特殊ユニタリ群 $SU(2n)$ の性質を継承することを示す。
これは、対称状態に関する先行研究を作用素に拡張し、作用素空間が状態空間と同じ構造に従うことを示す。
論文 参考訳(メタデータ) (2024-02-26T06:23:39Z) - Global optimality under amenable symmetry constraints [0.5656581242851759]
与えられた凸函数やリスクを最小化する関数や測度が、可換変換群によって定義された対称性特性を満たすことを示す。
凸解析におけるオービトロペとして知られる凸集合のクラスが重要視される。
我々は、コサイクルと呼ばれる単純な装置が、一つの問題に異なる対称性の形式を還元するためにどのように使用できるかを示す。
論文 参考訳(メタデータ) (2024-02-12T12:38:20Z) - Symmetry Breaking and Equivariant Neural Networks [17.51364577113718]
我々は「緩和された同注入」という新しい概念を導入する。
我々は、この緩和を同変多層パーセプトロン(E-MLP)に組み込む方法を示す。
対称性の破れの関連性は、様々な応用領域で議論される。
論文 参考訳(メタデータ) (2023-12-14T15:06:48Z) - Learning Layer-wise Equivariances Automatically using Gradients [66.81218780702125]
畳み込みは等価対称性をニューラルネットワークにエンコードし、より優れた一般化性能をもたらす。
対称性は、ネットワークが表現できる機能、事前に指定する必要、適応できない機能に対して、固定されたハード制約を提供する。
私たちのゴールは、勾配を使ってデータから自動的に学習できるフレキシブル対称性の制約を可能にすることです。
論文 参考訳(メタデータ) (2023-10-09T20:22:43Z) - Non-equilibrium entanglement asymmetry for discrete groups: the example
of the XY spin chain [0.0]
エンタングルメント非対称性(英: entanglement asymmetric)は、エンタングルメント法を用いて、拡張量子系の一部で対称性がどの程度壊れているかを測定する新しい量である。
我々は、基底状態が強磁性相の$mathbbZ$スピンパリティ対称性を自発的に破るXYスピン鎖を考える。
大域量子クエンチ後のこの対称性の非平衡力学を徹底的に研究し、標準順序パラメータの既知の結果を一般化する。
論文 参考訳(メタデータ) (2023-07-13T17:01:38Z) - 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) - The Surprising Effectiveness of Equivariant Models in Domains with
Latent Symmetry [6.716931832076628]
領域対称性と正確に一致しない対称性制約を課すことは、環境における真の対称性を学ぶのに非常に有用であることを示す。
ロボット操作・制御問題における教師付き学習と強化学習の両方において,同変モデルが潜在対称性を持つ領域における非同変手法を大幅に上回ることを示す。
論文 参考訳(メタデータ) (2022-11-16T21:51:55Z) - Towards Antisymmetric Neural Ansatz Separation [48.80300074254758]
反対称関数の2つの基本モデル、すなわち $f(x_sigma(1), ldots, x_sigma(N)) の形の函数 $f$ の分離について研究する。
これらは量子化学の文脈で発生し、フェルミオン系の波動関数の基本的なモデリングツールである。
論文 参考訳(メタデータ) (2022-08-05T16:35:24Z) - Entanglement-enabled symmetry-breaking orders [0.0]
自発対称性の破れ順序は、伝統的にいくつかの数体クラスターのテンソル積波動関数によって記述される。
我々は、任意のテンソル積状態では実現できない、絡み付き対称性破れ順序と呼ばれる対称性破れ順序のタイプについて論じる。
論文 参考訳(メタデータ) (2022-07-18T18:00:00Z) - On the Importance of Asymmetry for Siamese Representation Learning [53.86929387179092]
シームズネットワークは、2つの並列エンコーダと概念的に対称である。
ネットワーク内の2つのエンコーダを明確に区別することで,非対称性の重要性について検討する。
非対称設計による改善は、より長いトレーニングスケジュール、複数の他のフレームワーク、より新しいバックボーンに一般化されている。
論文 参考訳(メタデータ) (2022-04-01T17:57:24Z) - Symmetry Breaking in Symmetric Tensor Decomposition [44.181747424363245]
我々は、対称テンソルの点階分解を計算する非対称問題を考える。
損失関数の臨界点が標準手法によって検出されることを示す。
論文 参考訳(メタデータ) (2021-03-10T18:11:22Z)
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。