論文の概要: High-Rank Irreducible Cartesian Tensor Decomposition and Bases of Equivariant Spaces
- arxiv url: http://arxiv.org/abs/2412.18263v3
- Date: Tue, 07 Jan 2025 07:05:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-08 15:47:42.640674
- Title: High-Rank Irreducible Cartesian Tensor Decomposition and Bases of Equivariant Spaces
- Title（参考訳）: 共変空間の高ランク非既約カルトテンソル分解と基底
- Authors: Shihao Shao, Yikang Li, Zhouchen Lin, Qinghua Cui,
- Abstract要約: 可逆カルトテンソルの分解行列を、小さくて手頃な複雑さを持つランク$n=9$まで構築する。
スパーリング集合ではなく、同変空間の完備基底を同定する。
我々は結果を任意のテンソル積と直和空間に拡張し、異なる空間間の自由設計を可能にする。
- 参考スコア（独自算出の注目度）: 47.83974626445763
- License:
- Abstract: Irreducible Cartesian tensors (ICTs) play a crucial role in the design of equivariant graph neural networks, as well as in theoretical chemistry and chemical physics. Meanwhile, the design space of available linear operations on tensors that preserve symmetry presents a significant challenge. The ICT decomposition and a basis of this equivariant space are difficult to obtain for high-order tensors. After decades of research, Bonvicini (2024) recently achieves an explicit ICT decomposition for $n=5$ with factorial time/space complexity. This work, for the first time, obtains decomposition matrices for ICTs up to rank $n=9$ with reduced and affordable complexity, by constructing what we call path matrices. The path matrices are obtained via performing chain-like contraction with Clebsch-Gordan matrices following the parentage scheme. We prove and leverage that the concatenation of path matrices is an orthonormal change-of-basis matrix between the Cartesian tensor product space and the spherical direct sum spaces. Furthermore, we identify a complete orthogonal basis for the equivariant space, rather than a spanning set (Pearce-Crump, 2023b), through this path matrices technique. We further extend our result to the arbitrary tensor product and direct sum spaces, enabling free design between different spaces while keeping symmetry. The Python code is available at https://github.com/ShihaoShao-GH/ICT-decomposition-and-equivariant-bases, where the $n=6,\dots,9$ ICT decomposition matrices are obtained in 1s, 3s, 11s, and 4m32s on on 28-cores Intel(R) Xeon(R) Gold 6330 CPU @ 2.00GHz, respectively.
- Abstract（参考訳）: 既約カルテシアンテンソル(ICT)は、等変グラフニューラルネットワークの設計や理論化学、化学物理学において重要な役割を果たす。
一方、対称性を保つテンソル上の可利用線型演算の設計空間は重要な課題である。
ICT分解とこの同変空間の基底は高次テンソルに対しては取得が難しい。
数十年にわたる研究の末、Bonvicini (2024) は、係数時間/空間の複雑さを伴う$n=5$の明示的なICT分解を最近達成した。
この研究は、初めて、私たちがパス行列と呼ぶものを構築することで、小さくて手頃な複雑さで、ICTの分解行列を$n=9$まで獲得する。
経路行列は、親和スキームに従ってクレブシュ・ゴルダン行列と鎖状収縮を行うことにより得られる。
我々は、経路行列の連結が、カルトテンソル積空間と球面直和空間の間の正則な基底行列であることを証明し、活用する。
さらに、この経路行列法により、スパング集合 (Pearce-Crump, 2023b) ではなく、同変空間の完全直交基底を同定する。
さらに、任意のテンソル積と直和空間に結果を拡張し、対称性を維持しながら異なる空間間の自由な設計を可能にする。
Pythonコードはhttps://github.com/ShihaoShao-GH/ICT-decomposition-and-equivariant-basesで利用可能で、$n=6,\dots,9$ ICT分解行列はそれぞれ1s, 3s, 11s, 4m32s on 28-cores Intel(R) Xeon(R) Gold 6330 CPU @2.00GHzである。
関連論文リスト
- Fast computation of permutation equivariant layers with the partition
algebra [0.0]
入力の置換に不変あるいは不変の線形ニューラルネットワーク層は、現代のディープラーニングアーキテクチャのコアビルディングブロックを形成する。
例えば、DeepSetのレイヤや、トランスフォーマーの注目ブロックやグラフニューラルネットワークで発生する線形レイヤなどがある。
論文 参考訳（メタデータ） (2023-03-10T21:13:12Z) - Matrix logistic map: fractal spectral distributions and transfer of
chaos [0.0]
ここでは, 間隔$[0, 1]$で支持される連続レベル密度を持つエルミート確率行列の初期アンサンブルに対して, レベル密度はロジスティック写像の不変測度に収束することを示す。
このアプローチは、結合ロジスティックマップの既知のモデルを一般化し、複雑なネットワークや多次元システムにおけるカオスへの移行の研究を可能にする。
論文 参考訳（メタデータ） (2023-03-10T19:19:56Z) - Deep Learning Symmetries and Their Lie Groups, Algebras, and Subalgebras
from First Principles [55.41644538483948]
ラベル付きデータセットに存在する連続した対称性群の検出と同定のためのディープラーニングアルゴリズムを設計する。
完全に接続されたニューラルネットワークを用いて、変換対称性と対応するジェネレータをモデル化する。
また,Lie群とその性質の数学的研究に機械学習アプローチを使うための扉を開く。
論文 参考訳（メタデータ） (2023-01-13T16:25:25Z) - Linear programming with unitary-equivariant constraints [2.0305676256390934]
ユニタリ同値(英: Unitary equivariance)は、物理学や数学において多くの文脈で発生する自然な対称性である。
追加の対称性の仮定の下では、この問題は、$d$でスケールしない時間で解決できる線形プログラムに還元されることを示す。
また,本手法を一般ユニタリ同変半定プログラムに拡張する可能性についても概説する。
論文 参考訳（メタデータ） (2022-07-12T17:37:04Z) - 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) - When Random Tensors meet Random Matrices [50.568841545067144]
本稿では,ガウス雑音を伴う非対称次数-$d$スパイクテンソルモデルについて検討する。
検討したモデルの解析は、等価なスパイクされた対称テクシットブロック-ワイドランダム行列の解析に起因していることを示す。
論文 参考訳（メタデータ） (2021-12-23T04:05:01Z) - Non-PSD Matrix Sketching with Applications to Regression and
Optimization [56.730993511802865]
非PSDおよび2乗根行列の次元削減法を提案する。
複数のダウンストリームタスクにこれらのテクニックをどのように使用できるかを示す。
論文 参考訳（メタデータ） (2021-06-16T04:07:48Z) - Algebraic and geometric structures inside the Birkhoff polytope [0.0]
Birkhoff polytope $mathcalB_d$ は位数 $d$ のすべての双確率行列からなる。
我々は、$mathcalL_d$ と $mathcalF_d$ が平面行列に対して星型であることを証明する。
論文 参考訳（メタデータ） (2021-01-27T09:51:24Z) - Applying Lie Groups Approaches for Rigid Registration of Point Clouds [3.308743964406687]
リー群とリー代数を用いて、点雲で表される2つの曲面を最もよく登録する剛変換を求める。
いわゆる双対剛性登録は、本質的な二階配向テンソルを比較することで定式化することができる。
リー代数に配向テンソル場を埋め込む際に有望な結果を示す。
論文 参考訳（メタデータ） (2020-06-23T21:26:57Z) - Spectral Learning on Matrices and Tensors [74.88243719463053]
テンソル分解は行列法で欠落する潜伏効果を拾うことができることを示す。
また,効率的なテンソル分解法を設計するための計算手法についても概説する。
論文 参考訳（メタデータ） (2020-04-16T22:53:00Z)
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。