論文の概要: YASTN: Yet another symmetric tensor networks; A Python library for abelian symmetric tensor network calculations

• arxiv url: http://arxiv.org/abs/2405.12196v1
• Date: Mon, 20 May 2024 17:32:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-21 12:25:40.576738
• Title: YASTN: Yet another symmetric tensor networks; A Python library for abelian symmetric tensor network calculations
• Title（参考訳）: YASTN:さらに別の対称テンソルネットワーク : アーベル対称テンソルネットワーク計算のためのPythonライブラリ
• Authors: Marek M. Rams, Gabriela Wójtowicz, Aritra Sinha, Juraj Hasik,
• Abstract要約: 量子多体シミュレーションのためのオープンソースのテンソルネットワークPythonライブラリを提案する。 中心となるのは、高密度多次元配列バックエンド上の論理層によって管理されるスパースブロック構造として実装されたアーベル対称テンソルである。 本稿では,ADによる基底状態の探索や,仮想時間進化によるハバードモデルの熱状態のシミュレーションなど,無限に投影された絡み合ったペア状態のシミュレーションにおいて,ライブラリのパフォーマンスを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We present an open-source tensor network Python library for quantum many-body simulations. At its core is an abelian-symmetric tensor, implemented as a sparse block structure managed by logical layer on top of dense multi-dimensional array backend. This serves as the basis for higher-level tensor networks algorithms, operating on matrix product states and projected entangled pair states, implemented here. Using appropriate backend, such as PyTorch, gives direct access to automatic differentiation (AD) for cost-function gradient calculations and execution on GPUs or other supported accelerators. We show the library performance in simulations with infinite projected entangled-pair states, such as finding the ground states with AD, or simulating thermal states of the Hubbard model via imaginary time evolution. We quantify sources of performance gains in those challenging examples allowed by utilizing symmetries.
• Abstract（参考訳）: 量子多体シミュレーションのためのオープンソースのテンソルネットワークPythonライブラリを提案する。 中心となるのは、高密度多次元配列バックエンド上の論理層によって管理されるスパースブロック構造として実装されたアーベル対称テンソルである。 これは、行列積状態と射影絡み合ったペア状態で動作する高レベルテンソルネットワークアルゴリズムの基礎として、ここで実装されている。 PyTorchのような適切なバックエンドを使用することで、コスト関数勾配計算とGPUや他のサポート対象アクセラレータ上での実行に対して、自動微分(AD)に直接アクセスできる。 本稿では,ADによる基底状態の探索や,仮想時間進化によるハバードモデルの熱状態のシミュレーションなど,無限に投影された絡み合ったペア状態のシミュレーションにおいて,ライブラリのパフォーマンスを示す。 対称性を生かした困難な例では,性能向上の源泉を定量化する。

関連論文リスト

• Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
  我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。 我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。 本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
  論文  参考訳（メタデータ） (2024-05-22T17:23:15Z)
• Fermionic tensor network methods [0.0]
  等級ヒルベルト空間を用いて、任意のグラフ上のテンソルネットワークにフェルミオン統計学を自然に組み込む方法を示す。 この形式は、ジョルダン・ウィグナー変換や2次元テンソルネットワークにおけるゲート交換による脚交差の明示的な追跡を回避し、フェルミオン格子系に対するテンソルネットワーク手法を局所的に使用することができる。
  論文  参考訳（メタデータ） (2024-04-22T22:22:05Z)
• Boosting the effective performance of massively parallel tensor network state algorithms on hybrid CPU-GPU based architectures via non-Abelian symmetries [0.0]
  Wigner-Eckhart定理に基づく非アベリア対称性関連テンソル代数は、従来のテンソルネットワーク層から完全に分離されている。 我々は、計算複雑性の観点からarXiv:2305.05581で報告された結果に対し、桁違いの性能向上を達成した。 提案手法の有効性能は250-500TFLOPSと推定される。
  論文  参考訳（メタデータ） (2023-09-23T07:49:53Z)
• One-step replica symmetry breaking in the language of tensor networks [0.913755431537592]
  我々は1段階のレプリカ対称性破断空洞法とテンソルネットワークの正確なマッピングを開発する。 この2つのスキームは補足的な数学的および数値的なツールボックスを備えており、芸術のそれぞれの状態を改善するために利用することができる。
  論文  参考訳（メタデータ） (2023-06-26T18:42:51Z)
• 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)
• Softmax-free Linear Transformers [90.83157268265654]
  視覚変換器(ViT)は、視覚知覚タスクの最先端を推し進めている。 既存の手法は理論的に欠陥があるか、視覚認識に経験的に効果がないかのいずれかである。 我々はSoftmax-Free Transformers (SOFT) のファミリーを提案する。
  論文  参考訳（メタデータ） (2022-07-05T03:08:27Z)
• RosneT: A Block Tensor Algebra Library for Out-of-Core Quantum Computing Simulation [0.18472148461613155]
  本稿では,分散ブロックテンソル代数のためのライブラリRosneTを提案する。 我々はPyCOMPSsプログラミングモデルを用いてテンソル演算をComposランタイムが処理するタスクの集合に変換する。 本稿では, 最大53量子ビットの量子回路シミュレーションにおいて, 優れたスケーラビリティを示す手法を検証した。
  論文  参考訳（メタデータ） (2022-01-17T20:35:40Z)
• When Random Tensors meet Random Matrices [50.568841545067144]
  本稿では,ガウス雑音を伴う非対称次数-$d$スパイクテンソルモデルについて検討する。 検討したモデルの解析は、等価なスパイクされた対称テクシットブロック-ワイドランダム行列の解析に起因していることを示す。
  論文  参考訳（メタデータ） (2021-12-23T04:05:01Z)
• TensorLy-Quantum: Quantum Machine Learning with Tensor Methods [67.29221827422164]
  PyTorch APIを採用した量子回路シミュレーションのためのPythonライブラリを作成します。 Ly-Quantumは、単一のGPU上で数百のキュービット、複数のGPU上で数千のキュービットにスケールすることができる。
  論文  参考訳（メタデータ） (2021-12-19T19:26:17Z)
• Unfolding Projection-free SDP Relaxation of Binary Graph Classifier via GDPA Linearization [59.87663954467815]
  アルゴリズムの展開は、モデルベースのアルゴリズムの各イテレーションをニューラルネットワーク層として実装することにより、解釈可能で類似のニューラルネットワークアーキテクチャを生成する。 本稿では、Gershgorin disc perfect alignment (GDPA)と呼ばれる最近の線形代数定理を利用して、二進グラフの半定値プログラミング緩和(SDR)のためのプロジェクションフリーアルゴリズムをアンロールする。 実験結果から,我々の未学習ネットワークは純粋モデルベースグラフ分類器よりも優れ,純粋データ駆動ネットワークに匹敵する性能を示したが,パラメータははるかに少なかった。
  論文  参考訳（メタデータ） (2021-09-10T07:01:15Z)
• Geomstats: A Python Package for Riemannian Geometry in Machine Learning [5.449970675406181]
  非線形方程式の計算と統計のためのオープンソースのPythonツールボックスであるGeomstatsを紹介した。 オブジェクト指向で広範な単体テスト実装を提供しています。 微分幾何学と統計学の研究を促進するため,Geomstatsは信頼性の高いビルディングブロックを提供する。 ソースコードはMITライセンスのもと、urlgeomstats.aiで無料で入手できる。
  論文  参考訳（メタデータ） (2020-04-07T20:41:50Z)

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。