Fugu-MT 論文翻訳(概要): Exploring gauge-fixing conditions with gradient-based optimization

論文の概要: Exploring gauge-fixing conditions with gradient-based optimization

arxiv url: http://arxiv.org/abs/2410.03602v1
Date: Fri, 4 Oct 2024 17:01:41 GMT
ステータス: 処理完了
システム内更新日: 2024-11-02 21:08:10.485224
Title: Exploring gauge-fixing conditions with gradient-based optimization
Title（参考訳）: 勾配に基づく最適化によるゲージ固定条件の探索
Authors: William Detmold, Gurtej Kanwar, Yin Lin, Phiala E. Shanahan, Michael L. Wagman,
Abstract要約: この研究は、ランダウゲージ、クーロンゲージ、最大木ゲージをカバーするのに十分な広さを持つゲージ固定の微分可能なパラメータ化を導入する。随伴状態法は勾配に基づく最適化を可能にし、任意の目標損失関数を最小化するゲージ固定スキームを選択する。
参考スコア（独自算出の注目度）: 1.6186320401954881
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Lattice gauge fixing is required to compute gauge-variant quantities, for example those used in RI-MOM renormalization schemes or as objects of comparison for model calculations. Recently, gauge-variant quantities have also been found to be more amenable to signal-to-noise optimization using contour deformations. These applications motivate systematic parameterization and exploration of gauge-fixing schemes. This work introduces a differentiable parameterization of gauge fixing which is broad enough to cover Landau gauge, Coulomb gauge, and maximal tree gauges. The adjoint state method allows gradient-based optimization to select gauge-fixing schemes that minimize an arbitrary target loss function.
Abstract（参考訳）: 格子ゲージの固定はゲージ変量を計算するために必要であり、例えば RI-MOM 再正規化スキームやモデル計算の比較対象として用いられる。近年,輪郭変形を用いた信号対雑音の最適化にはゲージ変量の方が有効であることが判明した。これらの応用は、ゲージ固定スキームの体系的なパラメータ化と探索を動機付けている。この研究は、ランダウゲージ、クーロンゲージ、最大木ゲージをカバーするのに十分な広さを持つゲージ固定の微分可能なパラメータ化を導入する。随伴状態法は勾配に基づく最適化を可能にし、任意の目標損失関数を最小化するゲージ固定スキームを選択する。

関連論文リスト

Model-Based Reparameterization Policy Gradient Methods: Theory and Practical Algorithms [88.74308282658133]
Reization (RP) Policy Gradient Methods (PGM) は、ロボット工学やコンピュータグラフィックスにおける連続的な制御タスクに広く採用されている。近年の研究では、長期強化学習問題に適用した場合、モデルベースRP PGMはカオス的かつ非滑らかな最適化環境を経験する可能性があることが示されている。本稿では,長期モデルアンロールによる爆発的分散問題を緩和するスペクトル正規化法を提案する。
論文参考訳（メタデータ） (2023-10-30T18:43:21Z)
Conditional Korhunen-Lo\'{e}ve regression model with Basis Adaptation for high-dimensional problems: uncertainty quantification and inverse modeling [62.997667081978825]
本稿では,物理系の観測可能な応答のサロゲートモデルの精度を向上させる手法を提案する。本研究では,定常水理応答のBasis Adaptation (BA)法による代理モデル構築に提案手法を適用した。
論文参考訳（メタデータ） (2023-07-05T18:14:38Z)
Support Vector Machine for Determining Euler Angles in an Inertial Navigation System [55.41644538483948]
本稿では,機械学習(ML)法を用いたMEMSセンサを用いた慣性ナビゲーションシステムの精度向上について論じる。提案アルゴリズムは,MEMSセンサに典型的なノイズの存在を正しく分類できることを実証した。
論文参考訳（メタデータ） (2022-12-07T10:01:11Z)
Characterization of variational quantum algorithms using free fermions [0.0]
我々はこれらの対称性と対象状態の局所性の間の相互作用を数値的に研究する。解に収束するイテレーションの数は、システムサイズと線形にスケールする。
論文参考訳（メタデータ） (2022-06-13T18:11:16Z)
Weight Vector Tuning and Asymptotic Analysis of Binary Linear Classifiers [82.5915112474988]
本稿では,スカラーによる判別器の分解をパラメータ化することで,ジェネリックバイナリ線形分類器の重みベクトルチューニングを提案する。また,重みベクトルチューニングは,高推定雑音下での線形判別分析(LDA)の性能を著しく向上させることがわかった。
論文参考訳（メタデータ） (2021-10-01T17:50:46Z)
Parameter Inference with Bifurcation Diagrams [1.0312968200748118]
本稿では, 微分方程式のパラメータを推定し, ユーザが指定した分岐図を生成するための勾配に基づく手法を提案する。コスト関数は、モデル分岐が指定された目標と教師なし分岐測度に一致する場合に最小限の教師付きエラー項を含む。本研究では,サドルノードとピッチフォーク図の空間を探索する最小モデルを用いたパラメータ推論と,合成生物学からの遺伝的トグルスイッチを示す。
論文参考訳（メタデータ） (2021-06-08T10:39:19Z)
Optimizing embedding-related quantum annealing parameters for reducing hardware bias [0.0]
各インスタンスが以前に選択した固定埋め込みを使用する場合、パラメータ最適化は問題のクラス全体に対して可能であることを示す。具体的には、トレーニングフェーズにおいて、完全グラフの埋め込みEをアニールのハードウェアに固定し、次に次のパラメータ値のセットを調整するための最適化アルゴリズムを実行する。テストフェーズでは、トレーニングフェーズ中に計算されたパラメータが、そのクラスからの他のグラフのランダムな選択にどれくらいうまく機能するかを推定する。
論文参考訳（メタデータ） (2020-11-02T04:13:51Z)
Variable selection for Gaussian process regression through a sparse projection [0.802904964931021]
本稿では,ガウス過程(GP)レグレッションと統合された新しい変数選択手法を提案する。パラメータの調整と推定の精度を,選択したベンチマーク手法を用いて評価した。
論文参考訳（メタデータ） (2020-08-25T01:06:10Z)
Channel-Directed Gradients for Optimization of Convolutional Neural Networks [50.34913837546743]
本稿では,畳み込みニューラルネットワークの最適化手法を提案する。出力チャネル方向に沿って勾配を定義することで性能が向上し,他の方向が有害となることを示す。
論文参考訳（メタデータ） (2020-08-25T00:44:09Z)
Bayesian Sparse learning with preconditioned stochastic gradient MCMC and its applications [5.660384137948734]
提案アルゴリズムは, 温和な条件下で, 制御可能なバイアスで正しい分布に収束する。提案アルゴリズムは, 温和な条件下で, 制御可能なバイアスで正しい分布に収束可能であることを示す。
論文参考訳（メタデータ） (2020-06-29T20:57:20Z)
Implicit differentiation of Lasso-type models for hyperparameter optimization [82.73138686390514]
ラッソ型問題に適した行列逆転のない効率的な暗黙微分アルゴリズムを提案する。提案手法は,解の空間性を利用して高次元データにスケールする。
論文参考訳（メタデータ） (2020-02-20T18:43:42Z)

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。