Fugu-MT 論文翻訳(概要): Rényi entanglement entropy of spin chain with Generative Neural Networks

論文の概要: Rényi entanglement entropy of spin chain with Generative Neural Networks

arxiv url: http://arxiv.org/abs/2406.06193v1
Date: Mon, 10 Jun 2024 11:44:54 GMT
ステータス: 処理完了
システム内更新日: 2024-06-11 14:07:44.304653
Title: Rényi entanglement entropy of spin chain with Generative Neural Networks
Title（参考訳）: 生成ニューラルネットワークによるスピン鎖のレニー絡みエントロピー
Authors: Piotr Białas, Piotr Korcyl, Tomasz Stebel, Dawid Zapolski,
Abstract要約: スピン系のR'enyiエンタングルメントエントロピーを推定する手法について述べる。これは、レプリカのトリックと、明確な確率推定を伴う生成ニューラルネットワークに基づいている。一次元量子イジングスピン鎖上での本手法の実証を行う。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We describe a method to estimate R\'enyi entanglement entropy of a spin system, which is based on the replica trick and generative neural networks with explicit probability estimation. It can be extended to any spin system or lattice field theory. We demonstrate our method on a one-dimensional quantum Ising spin chain. As the generative model, we use a hierarchy of autoregressive networks, allowing us to simulate up to 32 spins. We calculate the second R\'enyi entropy and its derivative and cross-check our results with the numerical evaluation of entropy and results available in the literature.
Abstract（参考訳）: 本稿では,スピン系のR'enyiエンタングルメントエントロピーを推定する手法について述べる。任意のスピン系や格子場理論に拡張することができる。一次元量子イジングスピン鎖上での本手法の実証を行う。生成モデルとして、自己回帰ネットワークの階層を使い、最大32スピンをシミュレートできる。本稿では,第2次R'enyiエントロピーとその導関数を計算し,エントロピーの数値評価と文献で利用できる結果の相互チェックを行う。

関連論文リスト

von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
円値ランダム関数上の表現的および解釈可能な分布の族を探索する。結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
論文参考訳（メタデータ） (2024-06-19T01:57:21Z)
The exact evaluation of hexagonal spin-networks and topological quantum neural networks [0.5919433278490629]
本稿では,スピンネットワーク間の物理的スカラー積の評価アルゴリズムを提案する。本研究では,古典的および量子的再結合によるスピンネットワークのある種のクラスにおける評価の挙動について検討する。
論文参考訳（メタデータ） (2023-10-05T16:06:21Z)
Mutual information of spin systems from autoregressive neural networks [0.018416014644193065]
モンテカルロサンプリングに基づく古典的スピン系の二部共役情報を推定する新しい直接手法について述べる。乗算接続された偶対除算を含む4つのパーティショニングのイジングモデルでこれを実証する。
論文参考訳（メタデータ） (2023-04-26T09:51:55Z)
The R-mAtrIx Net [0.0]
与えられた量子可積分スピンチェーンに対してR行列を出力できる新しいニューラルネットワークアーキテクチャを提供する。また、既に学んだモデルの周りにハミルトニアンの空間を探索し、彼らが属する可積分スピン鎖の族を再構成する。
論文参考訳（メタデータ） (2023-04-14T16:50:42Z)
Gradient Descent in Neural Networks as Sequential Learning in RKBS [63.011641517977644]
初期重みの有限近傍にニューラルネットワークの正確な電力系列表現を構築する。幅にかかわらず、勾配降下によって生成されたトレーニングシーケンスは、正規化された逐次学習によって正確に複製可能であることを証明した。
論文参考訳（メタデータ） (2023-02-01T03:18:07Z)
Robust Training and Verification of Implicit Neural Networks: A Non-Euclidean Contractive Approach [64.23331120621118]
本稿では,暗黙的ニューラルネットワークのトレーニングとロバスト性検証のための理論的および計算的枠組みを提案する。組込みネットワークを導入し、組込みネットワークを用いて、元のネットワークの到達可能な集合の超近似として$ell_infty$-normボックスを提供することを示す。 MNISTデータセット上で暗黙的なニューラルネットワークをトレーニングするためにアルゴリズムを適用し、我々のモデルの堅牢性と、文献における既存のアプローチを通じてトレーニングされたモデルを比較する。
論文参考訳（メタデータ） (2022-08-08T03:13:24Z)
On the Neural Tangent Kernel Analysis of Randomly Pruned Neural Networks [91.3755431537592]
ニューラルネットワークのニューラルカーネル(NTK)に重みのランダムプルーニングが及ぼす影響について検討する。特に、この研究は、完全に接続されたニューラルネットワークとそのランダムに切断されたバージョン間のNTKの等価性を確立する。
論文参考訳（メタデータ） (2022-03-27T15:22:19Z)
The Separation Capacity of Random Neural Networks [78.25060223808936]
標準ガウス重みと一様分布バイアスを持つ十分に大きな2層ReLUネットワークは、この問題を高い確率で解くことができることを示す。我々は、相互複雑性という新しい概念の観点から、データの関連構造を定量化する。
論文参考訳（メタデータ） (2021-07-31T10:25:26Z)
Machine Learning S-Wave Scattering Phase Shifts Bypassing the Radial Schr\"odinger Equation [77.34726150561087]
本稿では, 畳み込みニューラルネットワークを用いて, 正確な散乱s波位相シフトを得られる機械学習モデルの実証を行う。我々は、ハミルトニアンが物理的に動機づけられた記述子の構築において、いかにして指導原理として機能するかについて議論する。
論文参考訳（メタデータ） (2021-06-25T17:25:38Z)
Large-width functional asymptotics for deep Gaussian neural networks [2.7561479348365734]
重みとバイアスが独立であり、ガウス分布に従って同一に分布する完全連結フィードフォワード深層ニューラルネットワークを考える。この結果は、無限に広い深層ニューラルネットワークとプロセス間の相互作用に関する最近の理論的研究に寄与する。
論文参考訳（メタデータ） (2021-02-20T10:14:37Z)
Calculating Renyi Entropies with Neural Autoregressive Quantum States [0.0]
エンタングルメントエントロピーは、量子多体系を特徴づける重要な計量である。量子モンテカルロ法によるN=256スピンの自己回帰型神経量子状態のレニイエントロピーを推定する。
論文参考訳（メタデータ） (2020-03-03T06:59:05Z)

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。