論文の概要: Three-dimensional real space renormalization group with well-controlled approximations
- arxiv url: http://arxiv.org/abs/2412.13758v1
- Date: Wed, 18 Dec 2024 11:53:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-19 13:23:04.607187
- Title: Three-dimensional real space renormalization group with well-controlled approximations
- Title(参考訳): 十分に制御された近似を持つ三次元実空間再正規化群
- Authors: Xinliang Lyu, Naoki Kawashima,
- Abstract要約: 我々は、カダノフのブロックアイデアを信頼性のある3次元実空間再正規化群(RG)法に変換する。
提案したRGは3次元の体系的に改善可能な実空間RG法として期待されている。
- 参考スコア(独自算出の注目度): 0.10742675209112622
- License:
- Abstract: We make Kadanoff's block idea into a reliable three-dimensional (3D) real space renormalization group (RG) method. Kadanoff's idea, expressed in spin representation, offers a qualitative intuition for clarifying scaling behavior in criticality, but has difficulty as a quantitative tool due to uncontrolled approximations. A tensor-network reformulation equips the block idea with a measure of RG errors. In 3D, we propose an entanglement filtering scheme to enhance such a block-tensor map, with the lattice reflection symmetry imposed. When the proposed RG is applied to the cubic-lattice Ising model, the RG errors are reduced to about 2% by retaining more couplings. The estimated scaling dimensions of the two relevant fields have errors 0.4% and 0.1% in the best case, compared with the accepted values. The proposed RG is promising as a systematically-improvable real space RG method in 3D. The unique feature of our method is its ability to numerically obtain a 3D critical fixed point in a high-dimensional tensor space. A fixed-point tensor contains much more information than a handful of observables estimated in conventional techniques for analyzing critical systems.
- Abstract(参考訳): 我々は、カダノフのブロックアイデアを、信頼できる3次元実空間再正規化群(RG)法に変換する。
カダノフの考えはスピン表現で表され、臨界におけるスケーリングの振る舞いを明確にするための質的な直観を提供するが、制御されていない近似のために定量的なツールとして困難である。
テンソル・ネットワークの再構成はブロックのアイデアをRG誤差の尺度で表す。
3Dでは,このようなブロックテンソルマップを格子反射対称性で拡張するエンタングルメントフィルタ方式を提案する。
提案したRGを立方体格子Isingモデルに適用すると、より多くの結合を保持することにより、RG誤差は約2%に削減される。
2つの関連分野のスケーリング次元の推定値の誤差は0.4%と0.1%である。
提案したRGは3次元の体系的に改善可能な実空間RG法として期待されている。
本手法の特徴は,高次元テンソル空間における3次元臨界固定点を数値的に得る能力である。
固定点テンソルは、臨界系を解析するための従来の手法で推定される観測値よりもはるかに多くの情報を含んでいる。
関連論文リスト
- Hyperspectral Band Selection based on Generalized 3DTV and Tensor CUR Decomposition [8.812294191190896]
ハイパースペクトルイメージングはリモートセンシングにおいて重要な技術である。
高次元とデータボリュームは、重大な計算上の課題を生じさせる。
データを低ランクで滑らかな成分とスパース成分に分解することで,新しいスペクトル帯域選択モデルを提案する。
論文 参考訳(メタデータ) (2024-05-02T02:23:38Z) - Essential difference between 2D and 3D from the perspective of real-space renormalization group [0.10742675209112622]
相互情報領域法則は、カダノフのブロックスピン法が2次元(2D)以上で困難であることを示唆している。
テンソルネットワークRGへの跳躍は、後から見れば、相互情報のガイダンスに従い、2Dで効率的である。
しかし、3次元(3D)では、絡み合いは領域法則に従って増大し、3次元ブロックテンソル写像はアプティブRG変換として脅威となる。
論文 参考訳(メタデータ) (2023-11-10T06:25:42Z) - OriCon3D: Effective 3D Object Detection using Orientation and Confidence [0.0]
1つの画像から3次元物体を検出するための高度な手法を提案する。
我々は、深層畳み込みニューラルネットワークに基づく3Dオブジェクト重み付け指向回帰パラダイムを用いる。
提案手法は, 3次元オブジェクトのポーズ決定の精度を大幅に向上し, ベースライン法を超越した。
論文 参考訳(メタデータ) (2023-04-27T19:52:47Z) - Detecting Rotated Objects as Gaussian Distributions and Its 3-D
Generalization [81.29406957201458]
既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。
このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。
回転した物体をガウス分布としてモデル化することを提案する。
2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
論文 参考訳(メタデータ) (2022-09-22T07:50:48Z) - Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View
Tomography [58.60249163402822]
未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。
提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
論文 参考訳(メタデータ) (2022-07-06T21:40:59Z) - The KFIoU Loss for Rotated Object Detection [115.334070064346]
本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。
具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。
KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
論文 参考訳(メタデータ) (2022-01-29T10:54:57Z) - Single-shot quantum error correction with the three-dimensional
subsystem toric code [77.34726150561087]
我々は新しいトポロジカル量子コード、三次元サブシステムトーリックコード(3D STC)を導入する。
3次元STCは、開境界条件の立方体格子上での重量の幾何的に局所的なパリティチェックを測定することで実現できる。
論文 参考訳(メタデータ) (2021-06-04T17:35:00Z) - FS-Net: Fast Shape-based Network for Category-Level 6D Object Pose
Estimation with Decoupled Rotation Mechanism [49.89268018642999]
6次元ポーズ推定のための効率的なカテゴリレベルの特徴抽出が可能な高速形状ベースネットワーク(FS-Net)を提案する。
提案手法は,カテゴリレベルおよびインスタンスレベルの6Dオブジェクトのポーズ推定における最先端性能を実現する。
論文 参考訳(メタデータ) (2021-03-12T03:07:24Z) - Reinforced Axial Refinement Network for Monocular 3D Object Detection [160.34246529816085]
モノクロ3次元物体検出は、2次元入力画像から物体の位置と特性を抽出することを目的としている。
従来のアプローチでは、空間から3D境界ボックスをサンプリングし、対象オブジェクトと各オブジェクトの関係を推定するが、有効サンプルの確率は3D空間で比較的小さい。
我々は,まず最初の予測から始めて,各ステップで1つの3dパラメータだけを変えて,基礎的真理に向けて徐々に洗練することを提案する。
これは、いくつかのステップの後に報酬を得るポリシーを設計する必要があるため、最適化するために強化学習を採用します。
論文 参考訳(メタデータ) (2020-08-31T17:10:48Z)
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。