Fugu-MT 論文翻訳(概要): Spectral form factor of quadratic $R$-para-particle SYK model with Random Matrix Coupling

論文の概要: Spectral form factor of quadratic $R$-para-particle SYK model with Random Matrix Coupling

arxiv url: http://arxiv.org/abs/2504.19159v1
Date: Sun, 27 Apr 2025 08:39:18 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-02 19:15:54.155491
Title: Spectral form factor of quadratic $R$-para-particle SYK model with Random Matrix Coupling
Title（参考訳）: ランダム行列結合を用いた2次$R$-パラ粒子SYKモデルのスペクトル形状係数
Authors: Tingfei Li,
Abstract要約: 本稿では,R$-パラ粒子Sachdev-Ye-Kitaev(R$-PSYK$$)モデルのスペクトル形状係数(SFF)について検討する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper investigates the spectral form factor (SFF) of the quadratic $R$-para-particle Sachdev-Ye-Kitaev ($R$-PSYK$_2$) model with various random matrix ensemble couplings. We generalize previous work on Gaussian Unitary Ensemble (GUE) couplings to all three Gaussian ensembles (GUE, GOE, GSE) and three circular ensembles (CUE, COE, CSE). Through analytical and numerical methods, we establish precise correspondences between GUE and CUE results, demonstrating their SFFs satisfy $\mathcal{K}_{\text{GUE}}(2t) \approx \mathcal{K}_{\text{CUE}}(t)$ in the time regime $1 \ll t \ll N$. For the symplectic ensembles, we observe similar behavior with appropriate time rescaling, while we only provide the calculation method for the orthogonal ensembles.
Abstract（参考訳）: 本稿では,R$-パラ粒子Sachdev-Ye-Kitaev(R$-PSYK$_2$)モデルのスペクトル形状係数(SFF)について検討する。ガウスユニタリアンサンブル(GUE)を3つのガウスアンサンブル(GUE, GOE, GSE)と3つの円形アンサンブル(CUE, COE, CSE)に結合させる。解析的および数値的手法により、GUE と CUE の正確な対応を確立し、それらの SFF が $\mathcal{K}_{\text{GUE}}(2t) \approx \mathcal{K}_{\text{CUE}}(t)$ を満たすことを示す。シンプレクティックアンサンブルに対しては、適切な時間再スケーリングで同様の挙動を観察し、直交アンサンブルの計算方法のみを提供する。

関連論文リスト

An approximation of the $S$ matrix for solving the Marchenko equation [0.0]
ここでは、有理関数の和として定式化された運動量$q$に対する$S$-行列依存の新たな近似と、truncated Sinc 級数を示す。このアプローチにより、特定の解像度で$S$行列をポイントワイズで決定することができ、共鳴挙動などの重要な特徴を高精度に捉えることができる。
論文参考訳（メタデータ） (2024-10-27T11:06:28Z)
Provable Imbalanced Point Clustering [19.74926864871558]
不均衡点クラスタリングの近似を計算するための効率的かつ証明可能な手法を提案する。提案手法の実証的寄与を実画像(ノイズと参照)、合成データ、実世界のデータに示す実験を行った。
論文参考訳（メタデータ） (2024-08-26T12:41:41Z)
KPZ scaling from the Krylov space [83.88591755871734]
近年,Cardar-Parisi-Zhangスケーリングをリアルタイムの相関器や自動相関器に示す超拡散が報告されている。これらの結果から着想を得て,Krylov演算子に基づく相関関数のKPZスケーリングについて検討する。
論文参考訳（メタデータ） (2024-06-04T20:57:59Z)
Combinatorial Stochastic-Greedy Bandit [79.1700188160944]
我々は,選択した$n$のアームセットのジョイント報酬以外の余分な情報が観測されない場合に,マルチアームのバンディット問題に対する新規グリーディ・バンディット(SGB)アルゴリズムを提案する。 SGBは最適化された拡張型コミットアプローチを採用しており、ベースアームの大きなセットを持つシナリオ用に特別に設計されている。
論文参考訳（メタデータ） (2023-12-13T11:08:25Z)
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)
Leverage Score Sampling for Tensor Product Matrices in Input Sparsity Time [54.65688986250061]
我々は,$q$-foldカラムワイドテンソル積の$q$行列に対応するグラム行列を近似するための入力空間時間サンプリングアルゴリズムを提案する。我々のサンプリング技術は、合計時間でデータセット$X$に同時に適用できる$q$部分相関ランダムプロジェクションのコレクションに依存している。
論文参考訳（メタデータ） (2022-02-09T15:26:03Z)
How to perform the coherent measurement of a curved phase space by continuous isotropic measurement. I. Spin and the Kraus-operator geometry of $\mathrm{SL}(2,\mathbb{C})$ [0.0]
SCS POVMは3つの全スピン成分の連続等方性測定により任意のスピン系に対して実行可能であることが報告されている。この解析は、連続等方性測定の過程で発展するクラウス作用素の観点によるものである。
論文参考訳（メタデータ） (2021-07-26T18:00:04Z)
Robustly Learning any Clusterable Mixture of Gaussians [55.41573600814391]
本研究では,高次元ガウス混合系の対向ロバスト条件下での効率的な学習性について検討する。理論的に最適に近い誤り証明である$tildeO(epsilon)$の情報を、$epsilon$-corrupted $k$-mixtureで学習するアルゴリズムを提供する。我々の主な技術的貢献は、ガウス混合系からの新しい頑健な識別可能性証明クラスターであり、これは正方形の定度証明システムによって捉えることができる。
論文参考訳（メタデータ） (2020-05-13T16:44:12Z)
Outlier-Robust Clustering of Non-Spherical Mixtures [5.863264019032882]
統計的に分離されたd-次元ガウスアン(k-GMM)の混合をクラスタリングするための最初のアウトリー・ローバストアルゴリズムを与える。この結果は、$d$次元単位球面上の均一分布の任意のアフィン変換のクラスタリング混合に拡張される。
論文参考訳（メタデータ） (2020-05-06T17:24:27Z)
The EM Algorithm gives Sample-Optimality for Learning Mixtures of Well-Separated Gaussians [21.780375994511324]
我々は、期待最大化(EM)に対する新しい結果を証明する: EMは、分離された$Omega(sqrtlog k)$の下で局所的に収束することを示す。我々の結果は、(潜在的に異なる)ガウス成分の事前の知識を前提としない。
論文参考訳（メタデータ） (2020-02-02T05:09:26Z)
Algebraic and Analytic Approaches for Parameter Learning in Mixture Models [66.96778152993858]
1次元の混合モデルにおけるパラメータ学習のための2つの異なるアプローチを提案する。これらの分布のいくつかについては、パラメータ推定の最初の保証を示す。
論文参考訳（メタデータ） (2020-01-19T05:10:56Z)

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。