Fugu-MT 論文翻訳(概要): Low-Temperature Gibbs States with Tensor Networks

論文の概要: Low-Temperature Gibbs States with Tensor Networks

arxiv url: http://arxiv.org/abs/2501.08300v1
Date: Tue, 14 Jan 2025 18:29:20 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-15 13:28:22.633770
Title: Low-Temperature Gibbs States with Tensor Networks
Title（参考訳）: テンソルネットワークを用いた低温ギブズ状態
Authors: Denise Cocchiarella, Mari Carmen Bañuls,
Abstract要約: 本稿では,量子多体系の温度平衡状態を低温で近似するテンソルネットワーク手法を提案する。木テンソルネットワークアンサッツ内でのアプローチを実証するが、他のテンソルネットワークにも拡張できる。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We introduce a tensor network method for approximating thermal equilibrium states of quantum many-body systems at low temperatures. In contrast to standard (thermofield double matrix product state) algorithms, our ansatz is constructed from the zero-temperature limit, the ground state, which can be simply found with a standard tensor network approach. This method allows us to efficiently compute thermodynamic quantities and entanglement properties. We demonstrate our approach within a tree tensor network ansatz, although it can be extended to other tensor networks, and present results illustrating its effectiveness in capturing the finite-temperature properties in the $1\mathrm{D}$ and $2\mathrm{D}$ scenario.
Abstract（参考訳）: 本稿では,量子多体系の温度平衡状態を低温で近似するテンソルネットワーク手法を提案する。標準的な(熱場二重行列積状態)アルゴリズムとは対照的に、我々のアンサッツはゼロ温度制限(基底状態)から構築され、標準テンソルネットワークアプローチで簡単に見つけることができる。この手法により,熱力学的量と絡み合い特性を効率的に計算できる。木テンソルネットワークアンサッツ内でのアプローチを実証するが、他のテンソルネットワークに拡張することは可能であり、この結果は、その有限温度特性を$1\mathrm{D}$および$2\mathrm{D}$シナリオで取得する効果を実証する。

関連論文リスト

A Max-Flow approach to Random Tensor Networks [0.40964539027092906]
確率論のツールを用いたランダムテンソルネットワーク(RTN)の絡み合いエントロピーについて検討する。ランダムテンソルネットワーク(英: random tensor network)は、グラフ(またはネットワーク)構造によって決定される特定の幾何を持つテンソルに対する特定の確率モデルであると考えることができる。
論文参考訳（メタデータ） (2024-07-02T18:00:01Z)
Variational Neural and Tensor Network Approximations of Thermal States [0.3277163122167433]
有限温度量子多体系を近似するための変分モンテカルロアルゴリズムを提案する。数値最適化には,さまざまな試行状態 – テンソルネットワークとニューラルネットワーク – を"変分Ans"として採用しています。
論文参考訳（メタデータ） (2024-01-25T15:36:45Z)
On the Neural Tangent Kernel of Equilibrium Models [72.29727250679477]
本研究は、Deep equilibrium(DEQ)モデルのニューラル・タンジェント・カーネル(NTK)を研究する。一方,DECモデルでは,幅と深さが無限大であるにもかかわらず,まだ決定論的NTKを満足していることを示す。
論文参考訳（メタデータ） (2023-10-21T16:47:18Z)
Isometric tensor network representations of two-dimensional thermal states [0.0]
我々は最近導入されたテンソルネットワーク状態のクラスを用いて、横場イジングモデルの熱状態を表す。このアプローチは、有限温度における状態を表現するために、低い計算量で異なる方法を提供する。
論文参考訳（メタデータ） (2023-02-15T19:00:11Z)
Quantum Annealing Algorithms for Boolean Tensor Networks [0.0]
ブールテンソルネットワークのための3つの一般アルゴリズムを導入・解析する。量子アニーラー上での解法に適した2次非制約二元最適化問題として表すことができる。我々は、DWave 2000Q量子アニールを用いて、最大数百万個の要素を持つテンソルを効率的に分解できることを実証した。
論文参考訳（メタデータ） (2021-07-28T22:38:18Z)
Uhlmann Fidelity and Fidelity Susceptibility for Integrable Spin Chains at Finite Temperature: Exact Results [68.8204255655161]
奇数パリティ部分空間の適切な包含は、中間温度範囲における最大忠実度感受性の向上につながることを示す。正しい低温の挙動は、2つの最も低い多体エネルギー固有状態を含む近似によって捉えられる。
論文参考訳（メタデータ） (2021-05-11T14:08:02Z)
SiMaN: Sign-to-Magnitude Network Binarization [165.5630656849309]
重みバイナライゼーションは、高倍率重みを+1s、0sに符号化することで分析ソリューションを提供する。二元化ネットワークの学習重みは、エントロピーを許さないラプラシアン分布に概ね従うことが証明される。 CIFAR-10 と ImageNet を用いて,シマナライゼーション (SiMaN) と呼ばれる手法の評価を行った。
論文参考訳（メタデータ） (2021-02-16T07:03:51Z)
Efficient construction of tensor-network representations of many-body Gaussian states [59.94347858883343]
本稿では,多体ガウス状態のテンソルネットワーク表現を効率よく,かつ制御可能な誤差で構築する手法を提案する。これらの状態には、量子多体系の研究に欠かせないボゾン系およびフェルミオン系二次ハミルトン系の基底状態と熱状態が含まれる。
論文参考訳（メタデータ） (2020-08-12T11:30:23Z)
Critical Phenomena in Complex Networks: from Scale-free to Random Networks [77.34726150561087]
一対のノード間のリンクを制御する隠れ変数を持つ構成ネットワークモデルにおける臨界現象について検討する。平均ノード次数、期待するエッジ数、ランダウとヘルムホルツの自由エネルギーについて、温度とノード数の関数として解析式を求める。
論文参考訳（メタデータ） (2020-08-05T18:57:38Z)
T-Basis: a Compact Representation for Neural Networks [89.86997385827055]
テンソルの集合をコンパクトに表現するための概念である T-Basis をニューラルネットワークでよく見られる任意の形状で導入する。ニューラルネットワーク圧縮の課題に対する提案手法の評価を行い, 許容性能低下時に高い圧縮速度に達することを示す。
論文参考訳（メタデータ） (2020-07-13T19:03:22Z)
Solving frustrated Ising models using tensor networks [0.0]
無限テンソルネットワーク % の観点でフラストレーションのあるイジングモデルを研究するための枠組みを開発する。共有結合の重みを含むクラスタの選択を最適化することは、テンソルネットワークの収縮性にとって重要であることを示す。本手法は, フラストレーションを施したイジングスピン系の残留エントロピーを, 次ネスト近傍の相互作用を持つ加ごめ格子上で計算することにより, 有効性を示す。
論文参考訳（メタデータ） (2020-06-25T12:39:42Z)

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。