Fugu-MT 論文翻訳(概要): Variational method for $\mathbb{Z}

論文の概要: Variational method for $\mathbb{Z}_K$ wavefunctions in spin-$J$ PXP model

arxiv url: http://arxiv.org/abs/2501.09301v1
Date: Thu, 16 Jan 2025 05:32:30 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-17 15:09:19.843558
Title: Variational method for $\mathbb{Z}_K$ wavefunctions in spin-$J$ PXP model
Title（参考訳）: スピン-J$PXPモデルにおける$\mathbb{Z}_K$波動関数の変分法
Authors: Zhigang Hu, Biao Wu,
Abstract要約: 時間依存変動原理(TDVP)の1次元スピン-J$PXPモデルに対するデチューニングによるアプローチについて検討する。本研究では, 変分力学と変分誤差を熱力学極限における高速収束級数として表現できることを実証した。
参考スコア（独自算出の注目度）: 1.257684675539761
License:
Abstract: We investigate the approach of time-dependent variational principle (TDVP) for the one-dimensional spin-$J$ PXP model with detuning, which is relevant for programmable Rydberg atom arrays. The variational manifold is chosen as the minimally entangled $\mathbb{Z}_K$ matrix-product-states (MPS). We demonstrate that variational dynamics and variational error can be expressed as rapidly convergent series in the thermodynamic limit. In particular, for $J=1/2$ and the limiting case $J\rightarrow \infty$, the TDVP results become exact and significantly simplified.
Abstract（参考訳）: 本稿では, 1次元スピン-J$PXPモデルに対する時間依存性変動原理(TDVP)のデチューニングによるアプローチについて検討する。変分多様体は、最小に絡み合った$\mathbb{Z}_K$行列積状態 (MPS) として選択される。本研究では, 変分力学と変分誤差を熱力学極限における高速収束級数として表現できることを実証した。特に、$J=1/2$と制限ケース$J\rightarrow \infty$の場合、TDVPの結果は正確で大幅に単純化される。

関連論文リスト

Driven Critical Dynamics in Measurement-induced Phase Transitions [3.1009752388717127]
我々は、従来の量子および古典相のMIPTへの遷移において大きな成功を収めた、キブル・ズレック駆動臨界ダイナミクスを一般化する。容積法相からの駆動力学がKZ機構の断熱的インパルスシナリオに反することがわかった。我々は、高速に発展する量子コンピュータで検出できるMIPTに新しい基本的視点をもたらす。
論文参考訳（メタデータ） (2024-11-11T01:08:14Z)
Projection by Convolution: Optimal Sample Complexity for Reinforcement Learning in Continuous-Space MDPs [56.237917407785545]
本稿では,円滑なベルマン作用素を持つ連続空間マルコフ決定過程(MDP)の一般クラスにおいて,$varepsilon$-optimal Policyを学習する問題を考察する。我々のソリューションの鍵となるのは、調和解析のアイデアに基づく新しい射影技術である。我々の結果は、連続空間 MDP における2つの人気と矛盾する視点のギャップを埋めるものである。
論文参考訳（メタデータ） (2024-05-10T09:58:47Z)
Learning with Norm Constrained, Over-parameterized, Two-layer Neural Networks [54.177130905659155]
近年の研究では、再生カーネルヒルベルト空間(RKHS)がニューラルネットワークによる関数のモデル化に適した空間ではないことが示されている。本稿では,有界ノルムを持つオーバーパラメータ化された2層ニューラルネットワークに適した関数空間について検討する。
論文参考訳（メタデータ） (2024-04-29T15:04:07Z)
From Spectral Theorem to Statistical Independence with Application to System Identification [11.98319841778396]
状態遷移行列 $|Ak|$ の有限パワーの崩壊率に関する最初の定量的ハンドルを提供する。安定な力学系が 1 つの異なる固有値と差分しか持たないとき、$n-1$:$|A|$ は $n$ に依存することが示されている。要素的誤差は、本質的にはよく知られたリトルウッド・オフォード問題の変種であることを示す。
論文参考訳（メタデータ） (2023-10-16T15:40:43Z)
Nonequilibrium critical dynamics of the two-dimensional $\pm J$ Ising model [0.023787965910387825]
pm J$ Ising モデルは単純なフラストレーションのスピンモデルであり、交換結合は独立に確率$p$の離散値 $-J$ と確率$-p$の $+J$ を取る。ここでは, 2次元のJ$イジングモデルの非平衡臨界挙動について検討し, 常磁性-強磁性(PF)遷移線上の臨界点$T_c(p)$に異なる初期条件からクエンチした後に検討する。
論文参考訳（メタデータ） (2023-04-24T11:02:33Z)
KL-Entropy-Regularized RL with a Generative Model is Minimax Optimal [70.15267479220691]
モデル強化学習のサンプル複雑性を,生成的分散自由モデルを用いて検討・解析する。我々の分析は、$varepsilon$が十分小さい場合、$varepsilon$-optimal Policyを見つけるのが、ほぼ最小の最適化であることを示している。
論文参考訳（メタデータ） (2022-05-27T19:39:24Z)
Sharp Asymptotics of Kernel Ridge Regression Beyond the Linear Regime [22.58196673815647]
カーネルリッジ回帰(KRR)は、サンプルサイズ$n$と基礎となる次元$d$のスケーリング関係に決定的に依存する多相パターンを示す。我々は、KRRの学習曲線が、異なるスケーリング体制における特定のバイアス分散トレードオフにより、繊細な「二重降下」挙動を持つことを示す。
論文参考訳（メタデータ） (2022-05-13T17:50:54Z)
Improved Convergence Rate of Stochastic Gradient Langevin Dynamics with Variance Reduction and its Application to Optimization [50.83356836818667]
勾配ランゲヴィン・ダイナミクスは非エプス最適化問題を解くための最も基本的なアルゴリズムの1つである。本稿では、このタイプの2つの変種、すなわち、分散還元ランジュバンダイナミクスと再帰勾配ランジュバンダイナミクスを示す。
論文参考訳（メタデータ） (2022-03-30T11:39:00Z)
Critical phase boundary and finite-size fluctuations in Su-Schrieffer-Heeger model with random inter-cell couplings [0.0]
本研究では,細胞間ホッピング振幅がランダムな特殊な障害について検討する。 $mathbbZ$-位相不変量 $nuin 0; 1$ の定義を用いて、全ハミルトニアンの非エルミート部分に関して、ランダムな実現によって平均される$langlenurangleを計算する。
論文参考訳（メタデータ） (2021-11-30T15:35:58Z)
A Variational Inference Approach to Inverse Problems with Gamma Hyperpriors [60.489902135153415]
本稿では,ガンマハイパープライヤを用いた階層的逆問題に対する変分反復交替方式を提案する。提案した変分推論手法は正確な再構成を行い、意味のある不確実な定量化を提供し、実装が容易である。
論文参考訳（メタデータ） (2021-11-26T06:33:29Z)
Probabilistic Circuits for Variational Inference in Discrete Graphical Models [101.28528515775842]
変分法による離散的グラフィカルモデルの推論は困難である。エビデンス・ロウアーバウンド(ELBO)を推定するためのサンプリングに基づく多くの手法が提案されている。 Sum Product Networks (SPN) のような確率的回路モデルのトラクタビリティを活用する新しい手法を提案する。選択的SPNが表現的変動分布として適していることを示し、対象モデルの対数密度が重み付けされた場合、対応するELBOを解析的に計算可能であることを示す。
論文参考訳（メタデータ） (2020-10-22T05:04:38Z)

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。