論文の概要: Transforming the Bootstrap: Using Transformers to Compute Scattering Amplitudes in Planar N = 4 Super Yang-Mills Theory
- arxiv url: http://arxiv.org/abs/2405.06107v1
- Date: Thu, 9 May 2024 21:28:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-13 17:16:40.228916
- Title: Transforming the Bootstrap: Using Transformers to Compute Scattering Amplitudes in Planar N = 4 Super Yang-Mills Theory
- Title(参考訳): ブートストラップの変換:Planar N = 4 Super Yang-Mills理論における変圧器を用いた散乱振幅の計算
- Authors: Tianji Cai, Garrett W. Merz, François Charton, Niklas Nolte, Matthias Wilhelm, Kyle Cranmer, Lance J. Dixon,
- Abstract要約: 平面 N = 4 超ヤン・ミルズ理論は、大型ハドロン衝突型加速器におけるヒッグス粒子生成を記述する理論の従兄弟である。
我々の研究は、トランスフォーマーが正確な解を必要とする理論物理学の問題にうまく適用できることを示している。
- 参考スコア(独自算出の注目度): 8.88613782733521
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We pursue the use of deep learning methods to improve state-of-the-art computations in theoretical high-energy physics. Planar N = 4 Super Yang-Mills theory is a close cousin to the theory that describes Higgs boson production at the Large Hadron Collider; its scattering amplitudes are large mathematical expressions containing integer coefficients. In this paper, we apply Transformers to predict these coefficients. The problem can be formulated in a language-like representation amenable to standard cross-entropy training objectives. We design two related experiments and show that the model achieves high accuracy (> 98%) on both tasks. Our work shows that Transformers can be applied successfully to problems in theoretical physics that require exact solutions.
- Abstract(参考訳): 我々は,理論高エネルギー物理学における最先端計算を改善するためのディープラーニング手法の活用を追求する。
平面 N = 4 Super Yang-Mills 理論は、大型ハドロン衝突型加速器におけるヒッグス粒子生成を記述する理論の従兄弟であり、その散乱振幅は整数係数を含む大きな数学的表現である。
本稿では,これらの係数を予測するためにトランスフォーマーを適用する。
この問題は、標準的なクロスエントロピートレーニングの目的に対応する言語のような表現で定式化することができる。
2つの関連する実験を設計し、そのモデルが両タスクにおいて高い精度(>98%)を達成することを示す。
我々の研究は、トランスフォーマーが正確な解を必要とする理論物理学の問題にうまく適用できることを示している。
関連論文リスト
- Graph Transformers Dream of Electric Flow [72.06286909236827]
グラフデータに適用された線形変換器は、正準問題を解くアルゴリズムを実装可能であることを示す。
そこで我々は,これらのグラフアルゴリズムをそれぞれ実装するための明示的な重み設定を提案し,基礎となるアルゴリズムの誤差によって構築したトランスフォーマーの誤差を限定する。
論文 参考訳(メタデータ) (2024-10-22T05:11:45Z) - Training Nonlinear Transformers for Chain-of-Thought Inference: A Theoretical Generalization Analysis [82.51626700527837]
チェーン・オブ・シフト(Chain-of-shift, CoT)は、複数の中間ステップを持つ例を用いてクエリを増強することにより、大規模言語モデルの推論能力を実現する効率的な手法である。
CoT の理論的成功にもかかわらず、CoT が成立しても正確な一般化が得られないことを示す。
論文 参考訳(メタデータ) (2024-10-03T03:12:51Z) - Learning on Transformers is Provable Low-Rank and Sparse: A One-layer Analysis [63.66763657191476]
低ランク計算としての効率的な数値学習と推論アルゴリズムはトランスフォーマーに基づく適応学習に優れた性能を持つことを示す。
我々は、等級モデルが適応性を改善しながら一般化にどのように影響するかを分析する。
適切なマグニチュードベースのテストは,テストパフォーマンスに多少依存している,と結論付けています。
論文 参考訳(メタデータ) (2024-06-24T23:00:58Z) - More quantum chemistry with fewer qubits [0.9903198600681908]
本稿では,2次摂動理論を用いて物理問題の表現を改善する量子アルゴリズムを提案する。
特に、我々の量子アルゴリズムは、未摂動ハミルトニアンの下での一連の時間進化ステップを通じて、二階エネルギー補正を評価する。
我々の摂動理論量子アルゴリズムは対称性適応摂動理論にも適用できる。
論文 参考訳(メタデータ) (2023-08-31T17:21:17Z) - Towards Revealing the Mystery behind Chain of Thought: A Theoretical
Perspective [39.47116013338394]
CoT(Chain-of-Thought prompting)は,大規模言語モデル(LLM)の性能を劇的に向上させる
我々は、CoTが動的プログラミング(Dynamic Programming)として知られる一般的な意思決定問題に対処できることを示します。
論文 参考訳(メタデータ) (2023-05-24T17:59:21Z) - Large-Scale $2+1$D $\mathrm{U}(1)$ Gauge Theory with Dynamical Matter in
a Cold-Atom Quantum Simulator [3.1192594881563127]
量子シミュレータ技術の主要な推進役は、高レベルの制御とチューニング性で合成量子物質のセットアップにおいて高エネルギー現象を観測することである。
本稿では、スピンレスボソンを持つ冷原子量子シミュレータにおいて、動的物質とゲージ場を持つ大規模2+1$D $mathrmU(1)$ゲージ理論を実験的に実現可能な実現法を提案する。
論文 参考訳(メタデータ) (2022-11-02T18:00:00Z) - Attention Enables Zero Approximation Error [22.110336842946555]
固定数の変圧器エンコーダブロックと自由パラメータを持つ単一ヘッド自己アテンション変圧器は,任意の所望の入力エンコーダを誤りなく生成可能であることを示す。
その結果,自由パラメータ数が増加するシングルヘッド自己注意変換器は普遍的であることがわかった。
論文 参考訳(メタデータ) (2022-02-24T16:06:01Z) - Linear algebra with transformers [0.0]
数値計算を高精度に行うために,変圧器を訓練できることを示す。
線形代数の問題を考察する:行列変換、加算、乗法、固有値とベクトル、特異値分解、反転。
論文 参考訳(メタデータ) (2021-12-03T13:21:57Z) - Variational Adiabatic Gauge Transformation on real quantum hardware for
effective low-energy Hamiltonians and accurate diagonalization [68.8204255655161]
変分アダバティックゲージ変換(VAGT)を導入する。
VAGTは、現在の量子コンピュータを用いてユニタリ回路の変動パラメータを学習できる非摂動型ハイブリッド量子アルゴリズムである。
VAGTの精度は、RigettiおよびIonQ量子コンピュータ上でのシミュレーションと同様に、トラフ数値シミュレーションで検証される。
論文 参考訳(メタデータ) (2021-11-16T20:50:08Z) - Bosonic field digitization for quantum computers [62.997667081978825]
我々は、離散化された場振幅ベースで格子ボゾン場の表現に対処する。
本稿では,エラースケーリングを予測し,効率的な量子ビット実装戦略を提案する。
論文 参考訳(メタデータ) (2021-08-24T15:30:04Z) - Recognizing and Verifying Mathematical Equations using Multiplicative
Differential Neural Units [86.9207811656179]
メモリ拡張ニューラルネットワーク(NN)は、高次、メモリ拡張外挿、安定した性能、より高速な収束を実現することができることを示す。
本モデルでは,現在の手法と比較して1.53%の精度向上を達成し,2.22%のtop-1平均精度と2.96%のtop-5平均精度を達成している。
論文 参考訳(メタデータ) (2021-04-07T03:50:11Z)
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。