論文の概要: Simulating the Hubbard Model with Equivariant Normalizing Flows

• arxiv url: http://arxiv.org/abs/2501.07371v1
• Date: Mon, 13 Jan 2025 14:40:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-14 14:20:26.755709
• Title: Simulating the Hubbard Model with Equivariant Normalizing Flows
• Title（参考訳）: 等変正規化流れによるハバードモデルのシミュレーション
• Authors: Dominic Schuh, Janik Kreit, Evan Berkowitz, Lena Funcke, Thomas Luu, Kim A. Nicoli, Marcel Rodekamp,
• Abstract要約: ボルツマン分布を正確に学習するために正規化フローがうまく適用されている。 本稿では,ハバードモデルに対するボルツマン分布の学習に,フローの正規化が有効であることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Generative models, particularly normalizing flows, have shown exceptional performance in learning probability distributions across various domains of physics, including statistical mechanics, collider physics, and lattice field theory. In the context of lattice field theory, normalizing flows have been successfully applied to accurately learn the Boltzmann distribution, enabling a range of tasks such as direct estimation of thermodynamic observables and sampling independent and identically distributed (i.i.d.) configurations. In this work, we present a proof-of-concept demonstration that normalizing flows can be used to learn the Boltzmann distribution for the Hubbard model. This model is widely employed to study the electronic structure of graphene and other carbon nanomaterials. State-of-the-art numerical simulations of the Hubbard model, such as those based on Hybrid Monte Carlo (HMC) methods, often suffer from ergodicity issues, potentially leading to biased estimates of physical observables. Our numerical experiments demonstrate that leveraging i.i.d.\ sampling from the normalizing flow effectively addresses these issues.
• Abstract（参考訳）: 生成モデル、特に正規化フローは、統計力学、コライダー物理学、格子場理論など、物理学の様々な領域における学習確率分布において、例外的な性能を示す。 格子場理論の文脈において、正規化フローはボルツマン分布を正確に学習するためにうまく適用され、熱力学的可観測物の直接推定や独立で同一に分布した(d.d.)構成のサンプリングなどのタスクが可能である。 本研究では,ハバードモデルに対するボルツマン分布の学習に正規化フローを用いることが可能であることを示す。 このモデルは、グラフェンやその他のカーボンナノマテリアルの電子構造を研究するために広く用いられている。 ハイブリットモンテカルロ法(HMC)に基づくハバードモデルの最先端の数値シミュレーションは、しばしばエルゴディディティの問題に悩まされ、物理的可観測物のバイアスのある推定に繋がる可能性がある。 数値実験により, 正規化フローからの<i>d.\サンプリングの活用がこれらの問題に効果的に対処できることが示されている。

関連論文リスト

• Physics-Conditioned Diffusion Models for Lattice Gauge Theory [9.0170155142412]
  我々は格子ゲージ理論をシミュレートするための拡散モデルを開発し、量子化をサンプリングの物理条件として明示的に組み込む。 2つの時空次元におけるU(1)ゲージ理論の適用性を示す。
  論文  参考訳（メタデータ） (2025-02-08T09:50:27Z)
• Fusion of Gaussian Processes Predictions with Monte Carlo Sampling [61.31380086717422]
  科学と工学において、私たちはしばしば興味のある変数の正確な予測のために設計されたモデルで作業します。 これらのモデルが現実の近似であることを認識し、複数のモデルを同じデータに適用し、結果を統合することが望ましい。
  論文  参考訳（メタデータ） (2024-03-03T04:21:21Z)
• Uncertainty quantification and out-of-distribution detection using surjective normalizing flows [46.51077762143714]
  本稿では,深層ニューラルネットワークモデルにおける分布外データセットの探索的正規化フローを用いた簡単なアプローチを提案する。 本手法は, 流通外データと流通内データとを確実に識別できることを示す。
  論文  参考訳（メタデータ） (2023-11-01T09:08:35Z)
• Geometric Neural Diffusion Processes [55.891428654434634]
  拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。 これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
  論文  参考訳（メタデータ） (2023-07-11T16:51:38Z)
• Aspects of scaling and scalability for flow-based sampling of lattice QCD [137.23107300589385]
  格子場理論におけるサンプリングへの機械学習正規化流れの最近の応用は、そのような手法が臨界減速と位相凍結を緩和できる可能性を示唆している。 最先端の格子量子色力学計算に適用できるかどうかはまだ定かではない。
  論文  参考訳（メタデータ） (2022-11-14T17:07:37Z)
• Gauge-equivariant flow models for sampling in lattice field theories with pseudofermions [51.52945471576731]
  本研究は,フェルミオン行列式の推定器として擬フェルミオンを用いたフェルミオン格子場理論におけるフローベースサンプリングのためのゲージ不変アーキテクチャを提案する。 これは最先端の格子場理論計算におけるデフォルトのアプローチであり、QCDのような理論へのフローモデルの実践的応用に欠かせない。
  論文  参考訳（メタデータ） (2022-07-18T21:13:34Z)
• Flow-based sampling in the lattice Schwinger model at criticality [54.48885403692739]
  フローベースアルゴリズムは、格子場理論への応用のためのフィールド分布の効率的なサンプリングを提供することができる。 フェルミオン質量の臨界値におけるシュウィンガーモデルにおけるロバストな流れに基づくサンプリングの数値的な実演を行う。
  論文  参考訳（メタデータ） (2022-02-23T19:00:00Z)
• Stochastic normalizing flows as non-equilibrium transformations [62.997667081978825]
  正規化フローは従来のモンテカルロシミュレーションよりも効率的に格子場理論をサンプリングするための経路を提供することを示す。 本稿では,この拡張された生成モデルの効率を最適化する戦略と応用例を示す。
  論文  参考訳（メタデータ） (2022-01-21T19:00:18Z)
• Flow-based sampling for fermionic lattice field theories [8.46509435333566]
  この研究は、動的フェルミオンを持つ理論のフローベースサンプリングを可能にするアプローチを開発する。 実演として、これらの手法は、無質量安定フェルミオンの2次元理論のための場配置のサンプリングに応用される。
  論文  参考訳（メタデータ） (2021-06-10T17:32:47Z)
• A physics-informed operator regression framework for extracting data-driven continuum models [0.0]
  高忠実度分子シミュレーションデータから連続体モデルを発見するためのフレームワークを提案する。 提案手法は、モーダル空間における制御物理のニューラルネットワークパラメタライゼーションを適用する。 局所・非局所拡散過程や単相・多相流など,様々な物理分野におけるフレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2020-09-25T01:13:51Z)
• Equivariant Flows: Exact Likelihood Generative Learning for Symmetric Densities [1.7188280334580197]
  正規化フローは、単純な事前分布から興味の確率分布のサンプルに変換する、正確に類似した生成ニューラルネットワークである。 近年の研究では、このような生成モデルは統計力学において、物理学や化学における多体系の平衡状態のサンプリングに利用できることが示されている。
  論文  参考訳（メタデータ） (2020-06-03T17:54:26Z)

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。