論文の概要: Cluster truncated Wigner approximation for bond-disordered Heisenberg spin models
- arxiv url: http://arxiv.org/abs/2407.01682v1
- Date: Mon, 1 Jul 2024 18:00:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-03 19:42:31.574985
- Title: Cluster truncated Wigner approximation for bond-disordered Heisenberg spin models
- Title(参考訳): 結合非秩序ハイゼンベルクスピンモデルに対するクラスタートランケートウィグナー近似
- Authors: Adrian Braemer, Javad Vahedi, Martin Gärttner,
- Abstract要約: クラスタートリニケートウィグナー近似(cTWA)は、結合非秩序なハイゼンベルクスピン鎖のクエンチダイナミクスとパワー-ロー相互作用に応用される。
当初導入されたガウス近似に基づくスキームの代替として、初期ウィグナー関数の離散サンプリングスキームを開発する。
- 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 present a comprehensive numerical investigation of the cluster Truncated Wigner Approximation (cTWA) applied to quench dynamics in bond-disordered Heisenberg spin chains with power-law interactions. We find that cTWA yields highly accurate results over a wide parameter range. However, its accuracy hinges on a suitable choice of clusters. By using a clustering strategy inspired by the strong disorder renormalisation group (SDRG)/real-space renormalization group (RSRG), clusters of two spins are sufficient to obtain essentially exact results in the regime of strong disorder. Surprisingly, even for rather weak disorder, e.g.\ in the presence of very long-range interactions, this choice of clustering outperforms a naive choice of clusters of consecutive spins. Additionally, we develop a discrete sampling scheme for the initial Wigner function, as an alternative to the originally introduced scheme based on Gaussian approximations. This sampling scheme puts cTWA on the same conceptional footing as regular dTWA for single spins and yields some reduction in the Monte Carlo shot noise compared to the Gaussian scheme.
- Abstract(参考訳): 本稿では, パワー-ロー相互作用を持つハイゼンベルクスピン鎖のクエンチダイナミクスに応用したクラスタ・トランシッド・ウィグナー近似(cTWA)について, 包括的数値解析を行った。
我々は,cTWAが広いパラメータ範囲で精度の高い結果をもたらすことを発見した。
しかし、その精度は適切なクラスタの選択に依存している。
強障害再正常化群(SDRG)/実空間再正規化群(RSRG)にインスパイアされたクラスタリング戦略を用いることで、2つのスピンのクラスターは、強障害の体制において本質的に正確な結果を得るのに十分である。
驚くべきことに、非常に弱い障害である e g \ が非常に長距離相互作用の存在下でも、このクラスタリングの選択は連続するスピンのクラスターの単純な選択よりも優れている。
さらに,初期ウィグナー関数の離散サンプリングスキームを,ガウス近似に基づく当初導入されたスキームの代替として開発する。
このサンプリングスキームは、cTWAを単スピンの通常のdTWAと同じ概念的な足場に置き、ガウシアンスキームと比較してモンテカルロショットノイズが若干減少する。
関連論文リスト
- Self-Supervised Graph Embedding Clustering [70.36328717683297]
K-means 1-step dimensionality reduction clustering method は,クラスタリングタスクにおける次元性の呪いに対処する上で,いくつかの進歩をもたらした。
本稿では,K-meansに多様体学習を統合する統一フレームワークを提案する。
論文 参考訳(メタデータ) (2024-09-24T08:59:51Z) - The role of gaps in digitized counterdiabatic QAOA for fully-connected spin models [0.0]
量子近似最適化アルゴリズム(QAOA)に対するCD補正が提案され、標準QAOAよりも所望の精度で収束する。
本研究では,解析したインスタンスのスペクトル特性にアルゴリズムの性能が関係していることを示す。
論文 参考訳(メタデータ) (2024-09-05T13:17:56Z) - Matrix-product-state-based band-Lanczos solver for quantum cluster
approaches [0.0]
本稿では, 行列生成状態(MPS)に基づくバンド・ランチョス法を量子クラスター法の解法として提案する。
提案手法は, 正確な対角化法の範囲を超えて, クラスタ・ジオメトリーを扱えることを示す。
論文 参考訳(メタデータ) (2023-10-16T19:59:21Z) - Partitioning-Guided K-Means: Extreme Empty Cluster Resolution for
Extreme Model Compression [0.17188280334580192]
我々は、Quant-Noiseを用いた反復的製品量子化(iPQ)を、この分野における最先端技術だと考えている。
Quant-Noiseを使ったiPQは、空のクラスタによる予測品質の低下を防止できる。
我々は,空クラスタの解消に焦点をあてて,Quant-NoiseによるiPQの精度向上を目的とした,新たな拡張を提案する。
論文 参考訳(メタデータ) (2023-06-24T18:19:29Z) - Instance-Optimal Cluster Recovery in the Labeled Stochastic Block Model [79.46465138631592]
観測されたラベルを用いてクラスタを復元する効率的なアルゴリズムを考案する。
本稿では,期待値と高い確率でこれらの下位境界との性能を一致させる最初のアルゴリズムであるIACを提案する。
論文 参考訳(メタデータ) (2023-06-18T08:46:06Z) - Linear Convergence of Reshuffling Kaczmarz Methods With Sparse
Constraints [7.936519714074615]
カッツマルツ行列(英語版)(KZ)とその変種は、部分線型方程式系を解く際の単純さと効率性のために広く研究されている。
KHT に対する最初の理論的収束保証は、空間的制約のある系の解に線形に収束することを示すことである。
論文 参考訳(メタデータ) (2023-04-20T07:14:24Z) - Tight integration of neural- and clustering-based diarization through
deep unfolding of infinite Gaussian mixture model [84.57667267657382]
本稿では,統合フレームワークにトレーニング可能なクラスタリングアルゴリズムを導入する。
話者埋め込みはトレーニング中に最適化され、iGMMクラスタリングに適合する。
実験の結果,提案手法はダイアリゼーション誤差率において従来の手法よりも優れていた。
論文 参考訳(メタデータ) (2022-02-14T07:45:21Z) - Optimal Clustering with Bandit Feedback [57.672609011609886]
本稿では,バンディットフィードバックを用いたオンラインクラスタリングの問題点について考察する。
これは、NPハード重み付きクラスタリング問題をサブルーチンとして解決する必要性を回避するための、シーケンシャルなテストのための新しい停止規則を含む。
合成および実世界のデータセットの広範なシミュレーションを通して、BOCの性能は下界と一致し、非適応的ベースラインアルゴリズムよりも大幅に優れることを示す。
論文 参考訳(メタデータ) (2022-02-09T06:05:05Z) - Minibatch vs Local SGD with Shuffling: Tight Convergence Bounds and
Beyond [63.59034509960994]
シャッフルに基づく変種(ミニバッチと局所ランダムリシャッフル)について検討する。
ポリアック・ロジャシエヴィチ条件を満たす滑らかな函数に対して、これらのシャッフル型不変量(英語版)(shuffling-based variants)がそれらの置換式よりも早く収束することを示す収束境界を得る。
我々は, 同期シャッフル法と呼ばれるアルゴリズムの修正を提案し, ほぼ均一な条件下では, 下界よりも収束速度が速くなった。
論文 参考訳(メタデータ) (2021-10-20T02:25:25Z) - Exact Recovery in the General Hypergraph Stochastic Block Model [92.28929858529679]
本稿では,d-uniform hypergraph block model(d-HSBM)の正確な回復の基本的な限界について検討する。
精度の高いしきい値が存在し、正確な回復がしきい値の上に達成でき、その下には不可能であることを示す。
論文 参考訳(メタデータ) (2021-05-11T03:39:08Z)
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。