Fugu-MT 論文翻訳(概要): An approximation of the $S$ matrix for solving the Marchenko equation

論文の概要: An approximation of the $S$ matrix for solving the Marchenko equation

arxiv url: http://arxiv.org/abs/2410.20409v1
Date: Sun, 27 Oct 2024 11:06:28 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-29 12:21:12.812082
Title: An approximation of the $S$ matrix for solving the Marchenko equation
Title（参考訳）: マルテンコ方程式を解くための$S$行列の近似
Authors: N. A. Khokhlov,
Abstract要約: 運動量$q$に対するS$-行列依存の新たな近似が提示される。近似は有理関数の和であり、トランケートされたシンク級数の和である。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: A novel approximation of the $S$-matrix dependence on momentum $q$ is presented. The approximation is as a sum of a rational function and a truncated Sinc series. This approach enables pointwise determination of the $S$ matrix with a specified resolution, allowing for the accurate description of various $S$-matrix features, including resonance behavior. The approximation gives a separable kernel for the Marchenko equation (fixed-$l$ inversion), reducing it to a system of linear equations for the expansion coefficients of the output kernel. Numerical results show good convergence of this method, applicable to both unitary and non-unitary $S$ matrices. The convergence is validated through detailed comparisons with an exactly solvable square-well potential model. The method is applied to analyze the $P_{31}$ $\pi^{-} N$ scattering data.
Abstract（参考訳）: 運動量$q$に対するS$-行列依存の新たな近似が提示される。近似は有理関数の和であり、トランケートされたシンク級数の和である。このアプローチにより、特定の解像度で$S$行列をポイントワイズで決定することができ、共鳴挙動を含む様々な$S$-行列の特徴を正確に記述することができる。この近似はマルテンコ方程式の分離可能な核を与える(固定-$l$逆転)ため、出力核の膨張係数に対する線形方程式の系に還元される。数値計算の結果,この手法は単項行列と非単項行列の両方に適用できることがわかった。収束は、正確に解ける平方ウェルポテンシャルモデルとの詳細な比較によって検証される。この方法は、$P_{31}$$\pi^{-} N$散乱データを分析するために適用される。

関連論文リスト

Fine-grained Analysis and Faster Algorithms for Iteratively Solving Linear Systems [9.30306458153248]
我々は、スペクトルテール条件数である$kappa_ell$を、システムを表す行列の最小特異値と$ell$2の比として定義する。結果のいくつかの意味と$kappa_ell$の使用は、Conjugateメソッドのきめ細かい解析を直接改善することを含んでいる。
論文参考訳（メタデータ） (2024-05-09T14:56:49Z)
Reconstructing $S$-matrix Phases with Machine Learning [49.1574468325115]
我々は、ユニタリティ制約の研究に現代の機械学習技術を適用した。我々は、そのような解に対する既知の限界を以前の境界を超えるような新しい位相あいまいな解を求める。
論文参考訳（メタデータ） (2023-08-18T10:29:26Z)
A Newton-CG based barrier-augmented Lagrangian method for general nonconvex conic optimization [53.044526424637866]
本稿では、2つの異なる対象の一般円錐最適化を最小化する近似二階定常点(SOSP)について検討する。特に、近似SOSPを見つけるためのNewton-CGベースの拡張共役法を提案する。
論文参考訳（メタデータ） (2023-01-10T20:43:29Z)
Energy-independent complex single $P$-waves $NN$ potential from Marchenko equation [0.0]
本稿では, マルテンコ方程式の入力核展開に対して, アイソスセル三角パルス関数セットを分離可能な形で適用する。単一部分波の一般の場合、入力されたカーネルの線形表現が得られることを示す。エネルギー非依存な複素部分ポテンシャルは、これらのデータを単一の$P$-waveで表すことを示す。
論文参考訳（メタデータ） (2022-04-02T22:13:44Z)
Hybrid Model-based / Data-driven Graph Transform for Image Coding [54.31406300524195]
予測内残差ブロックを符号化するハイブリッドモデルベース/データ駆動方式を提案する。変換行列の最初の$K$固有ベクトルは、安定性のための非対称離散正弦変換(ADST)のような統計モデルから導かれる。 WebPをベースライン画像として使用することにより、我々のハイブリッドグラフ変換は、デフォルトの離散コサイン変換(DCT)よりもエネルギーの圧縮が良く、KLTよりも安定性がよいことを示す。
論文参考訳（メタデータ） (2022-03-02T15:36:44Z)
An algebraic form of the Marchenko inversion. Partial waves with orbital momentum $l\ge 0$ [0.0]
我々は、三角形の波動集合を用いて、マルテンコ方程式の核を分離可能な形で拡張する。線型表現は任意の軌道角運動量$l$に対して有効である。カーネルは、半径Schr"odinger方程式のポテンシャル関数を$h$-stepの精度で見つけることができる。
論文参考訳（メタデータ） (2021-12-29T00:48:13Z)
Mean-Square Analysis with An Application to Optimal Dimension Dependence of Langevin Monte Carlo [60.785586069299356]
この研究は、2-ワッサーシュタイン距離におけるサンプリング誤差の非同相解析のための一般的な枠組みを提供する。我々の理論解析は数値実験によってさらに検証される。
論文参考訳（メタデータ） (2021-09-08T18:00:05Z)
Analysis of One-Hidden-Layer Neural Networks via the Resolvent Method [0.0]
ランダムニューラルネットワークによって動機づけられた確率行列 $M = Y Yast$ と $Y = f(WX)$ を考える。制限スペクトル分布のStieltjes変換は、いくつかの誤差項まで準自己整合方程式を満たすことを証明している。さらに、前回の結果を加法バイアス $Y=f(WX+B)$ の場合に拡張し、$B$ は独立なランク1のガウス確率行列である。
論文参考訳（メタデータ） (2021-05-11T15:17:39Z)
High-Dimensional Gaussian Process Inference with Derivatives [90.8033626920884]
低データ状態の$ND$では、Gram行列は$mathcalO(N2D + (N2)3)$に推論のコストを下げる方法で分解できることを示す。最適化や予測勾配を持つハミルトニアンモンテカルロなど、機械学習に関連する様々なタスクでこの可能性を実証する。
論文参考訳（メタデータ） (2021-02-15T13:24:41Z)
Linear Time Sinkhorn Divergences using Positive Features [51.50788603386766]
エントロピー正則化で最適な輸送を解くには、ベクトルに繰り返し適用される$ntimes n$ kernel matrixを計算する必要がある。代わりに、$c(x,y)=-logdotpvarphi(x)varphi(y)$ ここで$varphi$は、地上空間から正のorthant $RRr_+$への写像であり、$rll n$である。
論文参考訳（メタデータ） (2020-06-12T10:21:40Z)
Solving the Robust Matrix Completion Problem via a System of Nonlinear Equations [28.83358353043287]
低階行列 $L_*$ とスパース行列 $S_*$ をそれらの和 $M=L_*+S_*inmathbbRmtimes n$ の不完全観測から回復することを目的としたロバスト行列完備化の問題を考える。このアルゴリズムは並列性が高く、大規模な問題に適している。数値シミュレーションにより、単純な手法は期待通りに動作し、最先端の手法に匹敵することを示した。
論文参考訳（メタデータ） (2020-03-24T17:28:15Z)

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。