論文の概要: Inferring entropy production in many-body systems using nonequilibrium MaxEnt

• arxiv url: http://arxiv.org/abs/2505.10444v3
• Date: Thu, 11 Sep 2025 02:59:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-12 13:52:32.735126
• Title: Inferring entropy production in many-body systems using nonequilibrium MaxEnt
• Title（参考訳）: 非平衡MaxEntを用いた多体系における推論エントロピー生成
• Authors: Miguel Aguilera, Sosuke Ito, Artemy Kolchinsky,
• Abstract要約: 本稿では,多体システムやメモリの長い非マルコフシステムを含む高次元生産システムにおいて,エントロピー(EP)を推定する方法を提案する。 エントロピー原理の双対類似性を利用して, 軌道レベルEPと最大値以下を平均EPで推定する。 本研究では,1000スピンの非平衡スピンモデルと大規模なニューラルスパイク訓練データセットを用いて,その数値性能を実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a method for inferring entropy production (EP) in high-dimensional stochastic systems, including many-body systems and non-Markovian systems with long memory. Standard techniques for estimating EP become intractable in such systems due to computational and statistical limitations. We infer trajectory-level EP and lower bounds on average EP by exploiting a nonequilibrium analogue of the Maximum Entropy principle, along with convex duality. Our approach uses only samples of trajectory observables, such as spatiotemporal correlations. It does not require reconstruction of high-dimensional probability distributions or rate matrices, nor impose any special assumptions such as discrete states or multipartite dynamics. In addition, it may be used to compute a hierarchical decomposition of EP, reflecting contributions from different interaction orders, and it has an intuitive physical interpretation as a "thermodynamic uncertainty relation." We demonstrate its numerical performance on a disordered nonequilibrium spin model with 1000 spins and a large neural spike-train dataset.
• Abstract（参考訳）: 本稿では,多体システムやメモリの長い非マルコフシステムを含む高次元確率系におけるエントロピー生成(EP)を推定する手法を提案する。 EPを推定する標準的な技術は、計算量や統計量の制限により、そのようなシステムでは難解になる。 我々は、凸双対性とともに最大エントロピー原理の非平衡類似性を利用することにより、平均EP上での軌道準位EPと下界を推定する。 提案手法では,時空間相関などの軌道オブザーバブルのサンプルのみを用いる。 高次元の確率分布やレート行列の再構成は必要とせず、離散状態や多粒子動力学のような特別な仮定を課す必要もない。 さらに、EPの階層的な分解を計算し、異なる相互作用順序からの貢献を反映し、直感的な物理的解釈を「熱力学的不確実性関係」として持つことができる。 本研究では,1000スピンの非平衡スピンモデルと大規模なニューラルスパイク訓練データセットを用いて,その数値性能を実証する。

関連論文リスト

• Calibrated Physics-Informed Uncertainty Quantification [16.985414812517252]
  本稿では,モデルに依存しない物理情報を用いた共形予測フレームワークを提案する。 このフレームワークはラベル付きデータを必要としない保証された不確実性推定を提供する。 さらに,核融合炉におけるプラズマモデリングおよびショット設計のためのニューラルPDEモデルについて検証した。
  論文  参考訳（メタデータ） (2025-02-06T09:23:06Z)
• Principled model selection for stochastic dynamics [0.0]
  PASTISは、確率推定統計と極値理論を組み合わせて超流動パラメータを抑圧する原理的手法である。 サンプリング率や測定誤差が低い場合でも、最小限のモデルを確実に識別する。 これは偏微分方程式に適用され、生態ネットワークや反応拡散力学にも適用される。
  論文  参考訳（メタデータ） (2025-01-17T18:23:16Z)
• Learning Controlled Stochastic Differential Equations [61.82896036131116]
  本研究では,非一様拡散を伴う連続多次元非線形微分方程式のドリフト係数と拡散係数の両方を推定する新しい手法を提案する。 我々は、(L2)、(Linfty)の有限サンプル境界や、係数の正則性に適応する学習率を持つリスクメトリクスを含む、強力な理論的保証を提供する。 当社のメソッドはオープンソースPythonライブラリとして利用可能です。
  論文  参考訳（メタデータ） (2024-11-04T11:09:58Z)
• Statistical Mechanics of Dynamical System Identification [2.8820361301109365]
  我々はスパース方程式探索アルゴリズムを解析するための統計力学手法を開発した。 与えられたモデルの雑音を推定する閉ループ推定法を提案する。 このスパース方程式発見の観点は万能であり、他の様々な方程式発見アルゴリズムに適応することができる。
  論文  参考訳（メタデータ） (2024-03-04T04:32:28Z)
• Anomalous thermal relaxation and pump-probe spectroscopy of 2D topologically ordered systems [0.0]
  二次元トポロジカル秩序系における線形および非線形分光量の挙動について検討する。 我々は, 準粒子の力学において, 異方体間のブレイディング相が果たす役割を強調した。 結果は2次元のアベリア位相または非アベリア位相に適用される。
  論文  参考訳（メタデータ） (2024-02-07T14:40:30Z)
• Equivariance and partial observations in Koopman operator theory for partial differential equations [1.099532646524593]
  システム力学の対称性はクープマン作用素に受け継がれることを示す。 我々は、完全な状態を測定することができない非常に関連性の高いケースに対処する。
  論文  参考訳（メタデータ） (2023-07-28T06:03:19Z)
• Machine learning in and out of equilibrium [58.88325379746631]
  我々の研究は、統計物理学から適応したフォッカー・プランク法を用いて、これらの平行線を探索する。 我々は特に、従来のSGDでは平衡が切れている長期的限界におけるシステムの定常状態に焦点を当てる。 本稿では,ミニバッチの置き換えを伴わない新しいランゲヴィンダイナミクス(SGLD)を提案する。
  論文  参考訳（メタデータ） (2023-06-06T09:12:49Z)
• Non-Parametric Learning of Stochastic Differential Equations with Non-asymptotic Fast Rates of Convergence [65.63201894457404]
  非線形微分方程式のドリフトと拡散係数の同定のための新しい非パラメトリック学習パラダイムを提案する。 鍵となる考え方は、基本的には、対応するフォッカー・プランク方程式のRKHSに基づく近似をそのような観測に適合させることである。
  論文  参考訳（メタデータ） (2023-05-24T20:43:47Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Apparent pathologies in stochastic entropy production in the thermalisation of an open two-level quantum system [0.0]
  開封された2レベル量子系の熱的統計状態への緩和によるエントロピー効果について検討する。 一般的な状態から始まる熱化には, エントロピー生産の環境成分の変化の持続的非ゼロ平均値が伴うことを示した。
  論文  参考訳（メタデータ） (2023-03-07T11:34:46Z)
• Identifiability and Asymptotics in Learning Homogeneous Linear ODE Systems from Discrete Observations [114.17826109037048]
  通常の微分方程式(ODE)は、機械学習において最近多くの注目を集めている。 理論的な側面、例えば、統計的推定の識別可能性と特性は、いまだに不明である。 本稿では,1つの軌道からサンプリングされた等間隔の誤差のない観測結果から,同次線形ODE系の同定可能性について十分な条件を導出する。
  論文  参考訳（メタデータ） (2022-10-12T06:46:38Z)
• Non-Markovian Stochastic Schr\"odinger Equation: Matrix Product State Approach to the Hierarchy of Pure States [65.25197248984445]
  開有限温度における非マルコフ力学に対する行列積状態(HOMPS)の階層を導出する。 HOMPSの有効性と効率性はスピン-ボソンモデルと長鎖に対して示され、各部位は構造化された強非マルコフ環境に結合する。
  論文  参考訳（メタデータ） (2021-09-14T01:47:30Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。