論文の概要: Classifying extended, localized and critical states in quasiperiodic lattices via unsupervised learning

• arxiv url: http://arxiv.org/abs/2410.15061v1
• Date: Sat, 19 Oct 2024 10:49:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-22 13:16:43.947254
• Title: Classifying extended, localized and critical states in quasiperiodic lattices via unsupervised learning
• Title（参考訳）: 教師なし学習による準周期格子における拡張的・局所的・臨界状態の分類
• Authors: Bohan Zheng, Siyu Zhu, Xingping Zhou, Tong Liu,
• Abstract要約: 本研究では,教師なし学習を用いて,一次元準周期モデルの位相図を得る。 教師なし学習アルゴリズムの結果と従来のアルゴリズムの結果の最も類似性が98%を超えていることが判明した。
• 参考スコア（独自算出の注目度）: 5.990170343443193
• License:
• Abstract: Classification of quantum phases is one of the most important areas of research in condensed matter physics. In this work, we obtain the phase diagram of one-dimensional quasiperiodic models via unsupervised learning. Firstly, we choose two advanced unsupervised learning algorithms, Density-Based Spatial Clustering of Applications with Noise (DBSCAN) and Ordering Points To Identify the Clustering Structure (OPTICS), to explore the distinct phases of Aubry-Andr\'{e}-Harper model and quasiperiodic p-wave model. The unsupervised learning results match well with traditional numerical diagonalization. Finally, we compare the similarity of different algorithms and find that the highest similarity between the results of unsupervised learning algorithms and those of traditional algorithms has exceeded 98\%. Our work sheds light on applications of unsupervised learning for phase classification.
• Abstract（参考訳）: 量子相の分類は、凝縮物質物理学における研究の最も重要な領域の1つである。 本研究では,教師なし学習を用いて,一次元準周期モデルの位相図を得る。 まず、Aubry-Andr\'{e}-Harperモデルと準周期的p波モデルの異なる位相を探索するために、2つの高度な教師なし学習アルゴリズム、密度ベース空間クラスタリング(DBSCAN)と順序付け点(OpTICS)を選択した。 教師なし学習結果は従来の数値対角化とよく一致している。 最後に、異なるアルゴリズムの類似度を比較し、教師なし学習アルゴリズムの結果と従来のアルゴリズムの類似度が98\%を超えていることを見出した。 我々の研究は、位相分類のための教師なし学習の応用に光を当てている。

関連論文リスト

• A Full DAG Score-Based Algorithm for Learning Causal Bayesian Networks with Latent Confounders [0.0]
  因果ベイズネットワーク(Causal Bayesian Network, CBN)は、変数間の因果関係を符号化する一般的なグラフィカル確率モデルである。 本稿では,DAGの空間を探索し,潜在する共同設立者の存在を識別できる,初めての完全スコアに基づく構造学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-08-20T20:25:56Z)
• CoopInit: Initializing Generative Adversarial Networks via Cooperative Learning [50.90384817689249]
  CoopInitは、協力的な学習ベースの戦略で、GANにとって良い出発点を素早く学べる。 本稿では,画像生成における提案手法の有効性を示す。
  論文  参考訳（メタデータ） (2023-03-21T07:49:32Z)
• Differentially-Private Hierarchical Clustering with Provable Approximation Guarantees [79.59010418610625]
  階層クラスタリングのための微分プライベート近似アルゴリズムについて検討する。 例えば、$epsilon$-DPアルゴリズムは入力データセットに対して$O(|V|2/epsilon)$-additiveエラーを示さなければならない。 本稿では,ブロックを正確に復元する1+o(1)$近似アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-31T19:14:30Z)
• On the Convergence of Distributed Stochastic Bilevel Optimization Algorithms over a Network [55.56019538079826]
  バイレベル最適化は、幅広い機械学習モデルに適用されている。 既存のアルゴリズムの多くは、分散データを扱うことができないように、シングルマシンの設定を制限している。 そこで我々は,勾配追跡通信機構と2つの異なる勾配に基づく分散二段階最適化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-06-30T05:29:52Z)
• Mimicking the Oracle: An Initial Phase Decorrelation Approach for Class Incremental Learning [141.35105358670316]
  本研究では,Na"訓練初期相モデルとオラクルモデルとの相違について検討する。 より均一に散らばるように,各クラスの表現を効果的に正規化するクラスワイド・デコレーション(CwD)を提案する。 私たちのCwDは実装が簡単で、既存のメソッドに簡単にプラグインできます。
  論文  参考訳（メタデータ） (2021-12-09T07:20:32Z)
• Quantum Cluster Algorithm for Data classification [0.0]
  最寄りの学習アルゴリズムに基づく,データ分類のための量子アルゴリズムを提案する。 マルチ制御ゲートを含む分類のための量子回路を構築する。 予備的な結果は,様々な分類問題,特に材料における異なる相の構築に有意な可能性を示唆している。
  論文  参考訳（メタデータ） (2021-06-13T19:59:32Z)
• Functorial Manifold Learning [1.14219428942199]
  まず、擬似距離空間を最適化対象にマッピングする関手として多様体学習アルゴリズムを特徴付ける。 次に、この特徴付けを用いて、多様体学習損失関数の洗練された境界を証明し、多様体学習アルゴリズムの階層を構築する。 我々は,この階層の異なるレベルにおける函手として,計量多次元スケーリング,IsoMap,UMAPなど,いくつかの一般的な多様体学習アルゴリズムを表現している。
  論文  参考訳（メタデータ） (2020-11-15T02:30:23Z)
• Unsupervised Embedding of Hierarchical Structure in Euclidean Space [30.507049058838025]
  我々は、集約アルゴリズムによって生成される階層的クラスタリングを改善する方法として、ユークリッド空間にデータの非線形埋め込みを学習することを検討する。 遅延空間埋め込みの再スケーリングはデンドログラムの純度とモーゼリー・ワングのコスト関数の改善をもたらすことを示す。
  論文  参考訳（メタデータ） (2020-10-30T03:57:09Z)
• A Constraint-Based Algorithm for the Structural Learning of Continuous-Time Bayesian Networks [70.88503833248159]
  連続時間ベイズネットワークの構造を学習するための制約に基づく最初のアルゴリズムを提案する。 我々は,条件付き独立性を確立するために提案した,異なる統計的テストと基礎となる仮説について論じる。
  論文  参考訳（メタデータ） (2020-07-07T07:34:09Z)
• Provably Efficient Exploration for Reinforcement Learning Using Unsupervised Learning [96.78504087416654]
  強化学習(RL)問題における効率的な探索に教師なし学習を用い,本パラダイムが有効であるかどうかを考察する。 本稿では,教師なし学習アルゴリズムと非線形表RLアルゴリズムという,2つのコンポーネント上に構築された汎用的なアルゴリズムフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-15T19:23:59Z)
• A meta-algorithm for classification using random recursive tree ensembles: A high energy physics application [0.0]
  本研究の目的は,個別のバイナリクラスの存在下での自動分類のためのメタアルゴリズムを提案することである。 重なり合うクラスは、両方のクラスに属する高密度の点を持つ特徴空間におけるあいまいな領域の存在によって記述される。 提案したアルゴリズムは、実験物理学において最も成功した解析手法の1つである古典的な強化決定木の変種である。
  論文  参考訳（メタデータ） (2020-01-19T18:22:18Z)

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。