論文の概要: Background independent tensor networks

• arxiv url: http://arxiv.org/abs/2402.05910v2
• Date: Wed, 10 Apr 2024 23:53:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-12 18:35:56.673366
• Title: Background independent tensor networks
• Title（参考訳）: バックグラウンド独立テンソルネットワーク
• Authors: Chris Akers, Annie Y. Wei,
• Abstract要約: ホログラムマップには背景の絡み合いがなく,背景の独立性を示す。 これはテンソルネットワークがより大きなコード部分空間のホログラフィックマップをモデル化できるので有利である。
• 参考スコア（独自算出の注目度）: 0.138120109831448
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conventional holographic tensor networks can be described as toy holographic maps constructed from many small linear maps acting in a spatially local way, all connected together with ``background entanglement'', i.e. links of a fixed state, often the maximally entangled state. However, these constructions fall short of modeling real holographic maps. One reason is that their ``areas'' are trivial, taking the same value for all states, unlike in gravity where the geometry is dynamical. Recently, new constructions have ameliorated this issue by adding degrees of freedom that ``live on the links''. This makes areas non-trivial, equal to the background entanglement piece plus a new positive piece that depends on the state of the link degrees of freedom. Nevertheless, this still has the downside that there is background entanglement, and hence it only models relatively limited code subspaces in which every area has a definite minimum value given by the background entanglement. In this note, we simply point out that a version of these constructions goes one step further: they can be background independent, with no background entanglement in the holographic map. This is advantageous because it allows tensor networks to model holographic maps for larger code subspaces. In addition to pointing this out, we address some subtleties involved in making it work and point out a nice connection it offers to recent discussions of random CFT data.
• Abstract（参考訳）: 従来のホログラフィックテンソルネットワークは、多くの小さな線型写像が空間的に局所的に作用し、すべて '`background entanglement'' で連結されたおもちゃのホログラフィック写像として記述できる。 しかし、これらの構造は実際のホログラフィックマップをモデル化するに足らない。 一つの理由は、幾何学が動的である重力とは異なり、それらの `areas'' は自明であり、全ての状態に対して同じ値を取るからである。 近年,「リンク上で生きていく」自由度を付加することで,この問題を改善している。 これにより、背景の絡み合い部分と同等の領域を非自明にし、また、リンクの度合いに依存する新しい正の要素を新たに得ることができる。 それでも、これは背景の絡み合いがあるという欠点があるため、すべての領域が背景の絡み合いによって与えられる最小限の値を持つような、比較的限られたコード部分空間のみをモデル化する。 ここでは、これらの構成の1つのバージョンは、ホログラムマップに背景の絡みが無く、背景の独立性を持つことができる。 これはテンソルネットワークがより大きなコード部分空間のホログラフィックマップをモデル化できるので有利である。 これに加えて、動作させるのにいくつかの微妙な問題に対処し、最近のランダムCFTデータに関する議論に、それがもたらす良いつながりを指摘する。

関連論文リスト

• Pseudoentanglement from tensor networks [0.029541734875307393]
  擬似絡み合い状態は、その絡み合い構造を隠す能力によって定義される。 擬アンタングル状態の(擬)ランダムテンソルネットワークに基づく新しい構成を導入する。 この結果の顕著な応用は、角化エントロピーが龍高柳最小切断式に従う擬角化ホログラフィック状態の構築である。
  論文  参考訳（メタデータ） (2024-10-03T17:59:09Z)
• Multipartite edge modes and tensor networks [0.12289361708127876]
  ホログラフィックテンソルネットワークはAdS/CFTをモデル化しているが、これまでのところ、それらは重力と非常に異なるシステムのみによって制限されてきた。 ここでは、低次元の重力をトポロジカルゲージ理論として記述することができ、ゲージ不変性を破ることなく離散化することができる。 我々は,新しいタイプの領域を含むテンソルネットワークの構築に成功した。
  論文  参考訳（メタデータ） (2024-04-04T17:59:22Z)
• Online Vectorized HD Map Construction using Geometry [17.33973935325903]
  本稿では,地図インスタンスのユークリッド形状と関係を基本的な知覚を超えて学習するGeMapを提案する。 提案手法は,NuScenesおよびArgoverse 2データセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-12-06T08:26:26Z)
• Holographic Codes from Hyperinvariant Tensor Networks [70.31754291849292]
  提案した超不変テンソルネットワークを量子コードに拡張し,正則な境界相関関数を生成する。 このアプローチは、バルク内の論理状態と境界状態の臨界再正規化群フローの間の辞書を生成する。
  論文  参考訳（メタデータ） (2023-04-05T20:28:04Z)
• Implications of sparsity and high triangle density for graph representation learning [67.98498239263549]
  近年の研究では、多くの三角形を含むスパースグラフは、ノードの有限次元表現を用いて再現できないことが示されている。 ここでは、ノード表現が低次元多様体上にある無限次元内積モデルを用いてそのようなグラフを再現できることを示す。
  論文  参考訳（メタデータ） (2022-10-27T09:15:15Z)
• Neural 3D Scene Reconstruction with the Manhattan-world Assumption [58.90559966227361]
  本稿では,多視点画像から3次元屋内シーンを再構築する課題について述べる。 平面的制約は、最近の暗黙の神経表現に基づく再構成手法に便利に組み込むことができる。 提案手法は, 従来の手法よりも3次元再構成品質に優れていた。
  論文  参考訳（メタデータ） (2022-05-05T17:59:55Z)
• Location-Free Camouflage Generation Network [82.74353843283407]
  カモフラージュ(Camouflage)は一般的な視覚現象で、前景の物体を背景のイメージに隠すことで、人間の目からは一時的に見えなくなる。 本稿では,前景と背景像の高次特徴を融合させ,一つの推論によって結果を生成する,ロケーションフリーなカモフラージュ生成ネットワーク(LCG-Net)を提案する。 実験により,本手法は単一外観領域における最先端技術と同程度に良好であり,完全に見えない可能性が低いが,多外観領域における最先端技術の品質をはるかに上回っていることが示された。
  論文  参考訳（メタデータ） (2022-03-18T10:33:40Z)
• Holographic tensor networks from hyperbolic buildings [0.0]
  ホログラフィックテンソルネットワーク構築のための統一フレームワークを提案する。 相補的回復を満足するバルク地域の大群を精密に構築する。 我々の構造はすべての次元の HaPPY 様の符号を復元し、ブルーハト・ティッツ木の幾何学を一般化する。
  論文  参考訳（メタデータ） (2022-02-03T19:00:01Z)
• Neural-Pull: Learning Signed Distance Functions from Point Clouds by Learning to Pull Space onto Surfaces [68.12457459590921]
  3次元点雲から連続曲面を再構成することは、3次元幾何処理の基本的な操作である。 textitNeural-Pullは、シンプルで高品質なSDFを実現する新しいアプローチです。
  論文  参考訳（メタデータ） (2020-11-26T23:18:10Z)
• Approximate Bacon-Shor Code and Holography [0.0]
  非代数中心を持つホログラフィック量子誤り訂正符号のクラスを明示的に構築する。 ゲージ符号(またはゲージ固定付き安定器符号)を構築するにはベーコン・ソー符号と完全テンソルを用いる。 次に、コード部分空間を「スキーイング」することで、ホログラフィックハイブリッドコードの近似バージョンを構築する。
  論文  参考訳（メタデータ） (2020-10-12T18:39:09Z)
• Deep Geometric Texture Synthesis [83.9404865744028]
  幾何学的テクスチャを合成するための新しい枠組みを提案する。 単一の参照3Dモデルの局所的な近傍からテクスチャ統計を学習する。 我々のネットワークはメッシュ頂点を任意の方向に変位させ、幾何学的テクスチャの合成を可能にする。
  論文  参考訳（メタデータ） (2020-06-30T19:36:38Z)

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。