Fugu-MT 論文翻訳(概要): Ground-State-Based Model Reduction with Unitary Circuits

論文の概要: Ground-State-Based Model Reduction with Unitary Circuits

arxiv url: http://arxiv.org/abs/2504.10774v1
Date: Tue, 15 Apr 2025 00:23:13 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-16 22:06:32.475030
Title: Ground-State-Based Model Reduction with Unitary Circuits
Title（参考訳）: 単元回路を用いた地中モデル削減
Authors: Shengtao Jiang, Steven R. White,
Abstract要約: 我々は基底状態のユニタリ変換に基づく低エネルギー有効モデルを得る。半充填時の1次元および2次元2次元2乗格子ハバードモデルを用いて,本手法を検証した。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We present a method to numerically obtain low-energy effective models based on a unitary transformation of the ground state. The algorithm finds a unitary circuit that transforms the ground state of the original model to a projected wavefunction with only the low-energy degrees of freedom. The effective model can then be derived using the unitary transformation encoded in the circuit. We test our method on the one-dimensional and two-dimensional square-lattice Hubbard model at half-filling, and obtain more accurate effective spin models than the standard perturbative approach.
Abstract（参考訳）: 基底状態のユニタリ変換に基づく低エネルギー実効モデルを得る手法を提案する。アルゴリズムは、元のモデルの基底状態を低エネルギー自由度しか持たない投影波動関数に変換するユニタリ回路を見つける。有効モデルは回路に符号化されたユニタリ変換を用いて導出することができる。本研究では, 半充填時の1次元および2次元2次元2乗格子ハバードモデルを用いて実験を行い, 標準摂動法よりも高精度なスピンモデルを得る。

関連論文リスト

MAP Image Recovery with Guarantees using Locally Convex Multi-Scale Energy (LC-MUSE) Model [12.218356507147583]
データ多様体の周囲の局所的に強く凸したマルチスケールの深部エネルギーモデルを提案する。画像に基づく逆問題では学習エネルギーモデルを使用し、定式化はいくつかの望ましい性質を提供する。並列磁気共鳴(MR)画像再構成の文脈において,提案手法は最先端の凸正則化器よりも優れた性能を示すことを示す。
論文参考訳（メタデータ） (2025-02-05T16:00:55Z)
Bayesian Model Parameter Learning in Linear Inverse Problems with Application in EEG Focal Source Imaging [49.1574468325115]
逆問題は、関心のシグナルを直接観測できない限定データ問題として記述することができる。未知の非線形モデルパラメータを含む線形逆問題について検討した。ベイズモデルに基づく学習手法を用いて,信号の回復とモデルパラメータの推定を行った。
論文参考訳（メタデータ） (2025-01-07T18:14:24Z)
Non-intrusive data-driven model order reduction for circuits based on Hammerstein architectures [0.8192907805418581]
我々は非線形CMOS微分増幅器のための擬似ハマースタインモデルを開発した。我々は直流(DC)と過渡スパイス(Xyce)回路シミュレーションデータの組み合わせでこのモデルを訓練する。シミュレーションの結果,ハマースタインモデルがディファレンシャルアンプ回路の効果的なサロゲートであることが示唆された。
論文参考訳（メタデータ） (2024-05-30T15:47:48Z)
On the Trajectory Regularity of ODE-based Diffusion Sampling [79.17334230868693]
拡散に基づく生成モデルは微分方程式を用いて、複素データ分布と抽出可能な事前分布の間の滑らかな接続を確立する。本稿では,拡散モデルのODEに基づくサンプリングプロセスにおいて,いくつかの興味深い軌道特性を同定する。
論文参考訳（メタデータ） (2024-05-18T15:59:41Z)
Diffeomorphic Template Registration for Atmospheric Turbulence Mitigation [50.16004183320537]
大気の乱流により劣化した画像の集合体に基づく放射能の回復法について述べる。画像の1つを参照として選択し、その画像から他の画像への光フローの集約により、この画像の変形をモデル化する。単純さに拘わらず、最先端のパフォーマンスを実現しています。
論文参考訳（メタデータ） (2024-05-06T17:39:53Z)
Flat-band engineering of quasi-one-dimensional systems via supersymmetric transformations [0.0]
準1次元結晶モデルをスペクトル設計するための体系的手法を提案する。この方法は、当初知られていた擬-スピン-1/2モデルに適用される超対称変換に基づいている。結果は、Su-Schriefer-Heeger鎖が局所的に格子スタブに変換される2つの例で示される。
論文参考訳（メタデータ） (2024-02-16T09:03:28Z)
Predicting Ordinary Differential Equations with Transformers [65.07437364102931]
単一溶液軌道の不規則サンプリングおよび雑音観測から,スカラー常微分方程式(ODE)を記号形式で復元するトランスフォーマーに基づくシーケンス・ツー・シーケンス・モデルを開発した。提案手法は, 1回に一度, ODE の大規模な事前訓練を行った後, モデルのいくつかの前方通過において, 新たな観測解の法則を推測することができる。
論文参考訳（メタデータ） (2023-07-24T08:46:12Z)
Counting Phases and Faces Using Bayesian Thermodynamic Integration [77.34726150561087]
本稿では,2パラメータ統計力学系における熱力学関数と位相境界の再構成手法を提案する。提案手法を用いて,IsingモデルとTASEPの分割関数と位相図を正確に再構成する。
論文参考訳（メタデータ） (2022-05-18T17:11:23Z)
Unraveling correlated material properties with noisy quantum computers: Natural orbitalized variational quantum eigensolving of extended impurity models within a slave-boson approach [0.0]
本稿では,量子古典的埋め込み戦略における2次元ハバードモデルの空間分解相関特性の計算法を提案する。本研究では,変分量子固有解法アルゴリズムを用いて,8量子ビットを必要とする2つの不純物埋め込みモデルを解く。これにより、量子コンピュータによって解決されたより大きく大きな組込み問題によって、Hubbardモデルの制御されたソリューションへの道が開ける。
論文参考訳（メタデータ） (2021-08-24T14:58:14Z)
Interpolation Technique to Speed Up Gradients Propagation in Neural ODEs [71.26657499537366]
本稿では,ニューラルネットワークモデルにおける勾配の効率的な近似法を提案する。我々は、分類、密度推定、推論近似タスクにおいて、ニューラルODEをトレーニングするリバースダイナミック手法と比較する。
論文参考訳（メタデータ） (2020-03-11T13:15:57Z)

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。