Fugu-MT 論文翻訳(概要): Extracting average properties of disordered spin chains with translationally invariant tensor networks

論文の概要: Extracting average properties of disordered spin chains with translationally invariant tensor networks

arxiv url: http://arxiv.org/abs/2504.21089v1
Date: Tue, 29 Apr 2025 18:01:03 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-09 23:43:08.315008
Title: Extracting average properties of disordered spin chains with translationally invariant tensor networks
Title（参考訳）: 翻訳不変なテンソルネットワークを持つ不規則スピン鎖の抽出平均特性
Authors: Kevin Vervoort, Wei Tang, Nick Bultinck,
Abstract要約: 本研究では、乱数構成を明示的にサンプリングすることなく、乱数スピンチェーンにおける乱数平均予測値をネットワークベースで計算する手法を開発した。ランダムな横フィールドイジングモデルの無限ランダム臨界点について,本手法のベンチマークを行った。
参考スコア（独自算出の注目度）: 11.686585954351436
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We develop a tensor network-based method for calculating disorder-averaged expectation values in random spin chains without having to explicitly sample over disorder configurations. The algorithm exploits statistical translation invariance and works directly in the thermodynamic limit. We benchmark our method on the infinite-randomness critical point of the random transverse field Ising model.
Abstract（参考訳）: 本研究では、乱数構成を明示的にサンプリングすることなく、乱数スピンチェーンにおける乱数平均予測値をテンソルネットワークで計算する手法を開発した。このアルゴリズムは統計変換不変性を利用して、熱力学の極限で直接作用する。ランダムな横フィールドイジングモデルの無限ランダム臨界点について,本手法のベンチマークを行った。

関連論文リスト

Learning Generalized Statistical Mechanics with Matrix Product States [41.94295877935867]
本稿では,標準ギブズエントロピーの代わりにTsallisエントロピーを用いて定義された一般化自由エネルギーを最小化することにより,行列積状態に基づく変分アルゴリズムを導入する。その結果,一般化された統計力学に関連する確率分布が得られた。
論文参考訳（メタデータ） (2024-09-12T18:30:45Z)
Stochastic full waveform inversion with deep generative prior for uncertainty quantification [0.0]
フルウェーブフォーム・インバージョン(FWI)は非線形でしばしば不均一な逆問題を解決する。 FWIは、局所的なミニマトラップや不確実性の不十分な処理といった課題を提示している。本研究では,ベイジアン逆転に対する物理パラメータの事前分布として,深部生成モデルを活用することを提案する。
論文参考訳（メタデータ） (2024-06-07T11:44:50Z)
Weak Generative Sampler to Efficiently Sample Invariant Distribution of Stochastic Differential Equation [8.67581853745823]
現在のディープラーニングに基づく手法は、定常フォッカー-プランク方程式を解き、ディープニューラルネットワークの形で不変確率密度関数を決定する。本稿では, 弱い生成サンプル(WGS)を用いて, 独立かつ同一に分布したサンプルを直接生成するフレームワークを提案する。提案した損失関数はFokker-Planck方程式の弱い形式に基づいており、正規化フローを統合して不変分布を特徴づける。
論文参考訳（メタデータ） (2024-05-29T16:41:42Z)
A Unified Theory of Stochastic Proximal Point Methods without Smoothness [52.30944052987393]
近点法はその数値的安定性と不完全なチューニングに対する頑健性からかなりの関心を集めている。本稿では,近位点法(SPPM)の幅広いバリエーションの包括的解析について述べる。
論文参考訳（メタデータ） (2024-05-24T21:09:19Z)
Uncertainty Quantification via Stable Distribution Propagation [60.065272548502]
本稿では,ニューラルネットワークによる安定確率分布の伝播手法を提案する。提案手法は局所線形化に基づいており,ReLU非線型性に対する全変動距離の近似値として最適であることを示す。
論文参考訳（メタデータ） (2024-02-13T09:40:19Z)
Adaptive Annealed Importance Sampling with Constant Rate Progress [68.8204255655161]
Annealed Importance Smpling (AIS)は、抽出可能な分布から重み付けされたサンプルを合成する。本稿では,alpha$-divergencesに対する定数レートAISアルゴリズムとその効率的な実装を提案する。
論文参考訳（メタデータ） (2023-06-27T08:15:28Z)
Tensorizing flows: a tool for variational inference [0.0]
本稿では,ガウス参照をテンソルネットワークを介して構築した参照分布に置き換える正規化フローの拡張を提案する。本研究では, 複雑な変分推論タスクにおいて, フローとテンソルネットワークを組み合わせることで, どちらか一方のツールを使わずに得られる結果を改善することができることを示す。
論文参考訳（メタデータ） (2023-05-03T23:42:22Z)
Reliable amortized variational inference with physics-based latent distribution correction [0.4588028371034407]
ニューラルネットワークは、既存のモデルとデータのペアの後方分布を近似するように訓練される。このアプローチの精度は、高忠実度トレーニングデータの可用性に依存する。補正ステップは, ソース実験数の変化, ノイズ分散, 先行分布の変化に対して, 償却された変分推論の頑健さを向上することを示す。
論文参考訳（メタデータ） (2022-07-24T02:38:54Z)
Robust Estimation for Nonparametric Families via Generative Adversarial Networks [92.64483100338724]
我々は,高次元ロバストな統計問題を解くためにGAN(Generative Adversarial Networks)を設計するためのフレームワークを提供する。我々の研究は、これらをロバスト平均推定、第二モーメント推定、ロバスト線形回帰に拡張する。技術面では、提案したGAN損失は、スムーズで一般化されたコルモゴロフ-スミルノフ距離と見なすことができる。
論文参考訳（メタデータ） (2022-02-02T20:11:33Z)
Sampling-free Variational Inference for Neural Networks with Multiplicative Activation Noise [51.080620762639434]
サンプリングフリー変動推論のための後方近似のより効率的なパラメータ化を提案する。提案手法は,標準回帰問題に対する競合的な結果をもたらし,大規模画像分類タスクに適している。
論文参考訳（メタデータ） (2021-03-15T16:16:18Z)
Uncertainty quantification for nonconvex tensor completion: Confidence intervals, heteroscedasticity and optimality [92.35257908210316]
本研究では,不完全かつ破損した観測によって与えられる低ランクテンソルを推定する問題について検討する。改善不可能なレートをell-2$の精度で達成できることが分かりました。
論文参考訳（メタデータ） (2020-06-15T17:47:13Z)

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。