論文の概要: Generating configurations of increasing lattice size with machine learning and the inverse renormalization group

• arxiv url: http://arxiv.org/abs/2405.16288v1
• Date: Sat, 25 May 2024 16:00:37 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-28 22:07:19.344962
• Title: Generating configurations of increasing lattice size with machine learning and the inverse renormalization group
• Title（参考訳）: 機械学習と逆再正規化群による格子サイズの増大構成の生成
• Authors: Dimitrios Bachtis,
• Abstract要約: 逆再正規化群法は、臨界減速効果を伴わずに格子サイズを増大させる構成を反復的に生成することができる。 統計力学、格子場理論、不規則系のモデルに適用する。 三次元のエドワーズ・アンダーソンスピンガラスの場合、逆再正規化群を用いて、まだ専用スーパーコンピュータでアクセスされていない格子体積の構成を構築することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We review recent developments of machine learning algorithms pertinent to the inverse renormalization group, which was originally established as a generative numerical method by Ron-Swendsen-Brandt via the implementation of compatible Monte Carlo simulations. Inverse renormalization group methods enable the iterative generation of configurations for increasing lattice size without the critical slowing down effect. We discuss the construction of inverse renormalization group transformations with the use of convolutional neural networks and present applications in models of statistical mechanics, lattice field theory, and disordered systems. We highlight the case of the three-dimensional Edwards-Anderson spin glass, where the inverse renormalization group can be employed to construct configurations for lattice volumes that have not yet been accessed by dedicated supercomputers.
• Abstract（参考訳）: 本稿では,Ron-Swendsen-Brandtによる逆再正規化群に係わる機械学習アルゴリズムの最近の発展を,モンテカルロシミュレーションの実装を通じて概説する。 逆再正規化群法は、臨界減速効果を伴わずに格子サイズを増大させる構成を反復的に生成することができる。 本稿では,畳み込みニューラルネットワークを用いた逆正規化群変換の構成について論じ,統計力学,格子場理論,不規則系のモデルへの応用について述べる。 三次元のエドワーズ・アンダーソンスピンガラスの場合、逆再正規化群を用いて、まだ専用スーパーコンピュータでアクセスされていない格子体積の構成を構築することができる。

関連論文リスト

• Neural Lattice Reduction: A Self-Supervised Geometric Deep Learning Approach [14.536819369925398]
  本研究では,一様行列の因子を出力する深層ニューラルネットワークを設計し,非直交格子基底をペナルライズして自己指導的に学習する。
  論文  参考訳（メタデータ） (2023-11-14T13:54:35Z)
• Inverse renormalization group of spin glasses [0.0]
  スピングラス研究において,まだスーパーコンピュータや大規模シミュレーションによってアクセスされていない格子体積の近似構成を構築するために,逆再正規化群変換を提案する。 機械学習アルゴリズムを用いて、最大$V'=1283$までの再スケール格子を構築し、2つの臨界指数を抽出する。
  論文  参考訳（メタデータ） (2023-10-19T10:35:41Z)
• The Decimation Scheme for Symmetric Matrix Factorization [0.0]
  行列分解(Matrix factorization)は、その広範囲な応用により重要になった推論問題である。 我々はこの広範囲なランク問題について研究し、最近導入した代替の「決定」手順を拡張した。 本稿では,デシメーションを実装し,行列分解を行う基底状態探索に基づく簡単なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-07-31T10:53:45Z)
• Geometric Clifford Algebra Networks [53.456211342585824]
  本稿では,動的システムのモデリングのためのGeometric Clifford Algebra Networks (GCANs)を提案する。 GCANは幾何学的(クリフォード)代数を用いた対称性群変換に基づいている。
  論文  参考訳（メタデータ） (2023-02-13T18:48:33Z)
• A Recursively Recurrent Neural Network (R2N2) Architecture for Learning Iterative Algorithms [64.3064050603721]
  本研究では,リカレントニューラルネットワーク (R2N2) にランゲ・クッタニューラルネットワークを一般化し,リカレントニューラルネットワークを最適化した反復アルゴリズムの設計を行う。 本稿では, 線形方程式系に対するクリロフ解法, 非線形方程式系に対するニュートン・クリロフ解法, 常微分方程式に対するルンゲ・クッタ解法と類似の繰り返しを計算問題クラスの入力・出力データに対して提案した超構造内における重みパラメータの正規化について述べる。
  論文  参考訳（メタデータ） (2022-11-22T16:30:33Z)
• Stochastic normalizing flows as non-equilibrium transformations [62.997667081978825]
  正規化フローは従来のモンテカルロシミュレーションよりも効率的に格子場理論をサンプリングするための経路を提供することを示す。 本稿では,この拡張された生成モデルの効率を最適化する戦略と応用例を示す。
  論文  参考訳（メタデータ） (2022-01-21T19:00:18Z)
• Joint Network Topology Inference via Structured Fusion Regularization [70.30364652829164]
  結合ネットワークトポロジ推論は、異種グラフ信号から複数のグラフラプラシア行列を学習する標準的な問題を表す。 新規な構造化融合正規化に基づく一般グラフ推定器を提案する。 提案するグラフ推定器は高い計算効率と厳密な理論保証の両方を享受できることを示す。
  論文  参考訳（メタデータ） (2021-03-05T04:42:32Z)
• On the convergence of group-sparse autoencoders [9.393652136001732]
  我々は,様々な生成モデルを考慮したグループスパースオートエンコーダを導入,研究する。 クラスタリングモデルの場合、アクティブなユニットの同じグループで発生する入力は同じクラスタに属します。 この設定では、ネットワークパラメータを生成行列の近傍に収束させることを理論的に証明する。
  論文  参考訳（メタデータ） (2021-02-13T21:17:07Z)
• LieTransformer: Equivariant self-attention for Lie Groups [49.9625160479096]
  群等価ニューラルネットワークは群不変ニューラルネットワークの構成要素として用いられる。 我々は、文学の範囲を、ディープラーニングモデルの顕著な構築ブロックとして現れつつある自己注意にまで広げる。 任意のリー群とその離散部分群に同値なリー自己結合層からなる構造であるリー変換器を提案する。
  論文  参考訳（メタデータ） (2020-12-20T11:02:49Z)
• Granular Computing: An Augmented Scheme of Degranulation Through a Modified Partition Matrix [86.89353217469754]
  大量の数値データの抽象的かつ効率的な特徴付けを形成する情報グラニュラーは、グラニュラーコンピューティングの基本的な構成要素であると考えられている。 従来の研究では, 再建誤差と造粒プロセスの性能に相関があることが示されている。 本研究では, 脱顆粒の質を高めるため, 分割行列の変更による拡張スキームの開発を行った。
  論文  参考訳（メタデータ） (2020-04-03T03:20:09Z)

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。