Fugu-MT 論文翻訳(概要): Kolmogorov-Arnold Wavefunctions

論文の概要: Kolmogorov-Arnold Wavefunctions

arxiv url: http://arxiv.org/abs/2506.02171v1
Date: Mon, 02 Jun 2025 18:58:14 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-05 01:42:09.365283
Title: Kolmogorov-Arnold Wavefunctions
Title（参考訳）: Kolmogorov-Arnold波動関数
Authors: Paulo F. Bedaque, Jacob Cigliano, Hersh Kumar, Srijit Paul, Suryansh Rajawat,
Abstract要約: Kolmogorov-Arnoldネットワークベースの波動関数アンサッツは量子モンテカルロシミュレーションの実行可能な表現である。 Kanは、他のニューラルネットワークベースのアンサッツの10倍のコストで計算できるようだ。
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: This work investigates Kolmogorov-Arnold network-based wavefunction ansatz as viable representations for quantum Monte Carlo simulations. Through systematic analysis of one-dimensional model systems, we evaluate their computational efficiency and representational power against established methods. Our numerical experiments suggest some efficient training methods and we explore how the computational cost scales with desired precision, particle number, and system parameters. Roughly speaking, KANs seem to be 10 times cheaper computationally than other neural network based ansatz. We also introduce a novel approach for handling strong short-range potentials-a persistent challenge for many numerical techniques-which generalizes efficiently to higher-dimensional, physically relevant systems with short-ranged strong potentials common in atomic and nuclear physics.
Abstract（参考訳）: 本研究は、量子モンテカルロシミュレーションの実行可能な表現として、コルモゴロフ-アルノルドネットワークに基づく波動関数アンサッツについて検討する。一次元モデルシステムの体系的解析を通じて,確立した手法に対する計算効率と表現力を評価する。数値実験により, 計算コストが, 所望の精度, 粒子数, システムパラメータでどのようにスケールするかを考察した。概して、Kansは他のニューラルネットワークベースのアンサッツの10倍のコストで計算できるようだ。また、原子物理学や核物理学に共通する短距離強ポテンシャルを持つ高次元物理系に効率的に一般化する多くの数値手法において、強い短距離ポテンシャルを扱うための新しいアプローチを導入する。

関連論文リスト

Accurate Ab-initio Neural-network Solutions to Large-Scale Electronic Structure Problems [52.19558333652367]
有限範囲埋め込み(FiRE)を高精度なアブ・イニシアチブ電子構造計算に応用する。 FiREは、ニューラルネットワークの変異モンテカルロ(NN-VMC)の複雑さを$sim ntextel$, the number of electronsによって低減する。バイオケミカル化合物や有機金属化合物など,様々な課題に対して,本手法の精度を検証した。
論文参考訳（メタデータ） (2025-04-08T14:28:54Z)
Neural Quantum States in Variational Monte Carlo Method: A Brief Summary [0.0]
スピン系に対するニューラル量子状態に基づく変分モンテカルロ法について概説する。ニューラルネットワークは、比較的小さな計算資源を持つ比較的複雑な波動関数を表現できる。量子状態トモグラフィでは、神経量子状態の表現法はすでに大きな成果を上げている。
論文参考訳（メタデータ） (2024-06-03T05:55:55Z)
A Score-Based Model for Learning Neural Wavefunctions [41.82403146569561]
スコアベースニューラルネットワークを用いて量子多体基底状態の物性を得るための新しいフレームワークを提供する。我々の新しいフレームワークは明示的な確率分布を必要とせず、ランゲヴィン力学によるサンプリングを行う。
論文参考訳（メタデータ） (2023-05-25T23:44:27Z)
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)
Towards a Foundation Model for Neural Network Wavefunctions [5.145741425164946]
本稿では,非相関で計算コストの低いHartree-Fock軌道を相関した高精度ニューラルネットワーク軌道にマッピングするニューラルネットワークアンサッツを提案する。このアンザッツは本質的に複数の化合物とジオメトリーにわたる単一波動関数を学習することができる。
論文参考訳（メタデータ） (2023-03-17T16:03:10Z)
Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文参考訳（メタデータ） (2022-12-21T19:00:04Z)
Solving the nuclear pairing model with neural network quantum states [58.720142291102135]
本稿では,職業数形式論における核多体問題の解法としてモンテカルロ法を提案する。リコンフィグレーションアルゴリズムのメモリ効率向上版を開発し,ハミルトニアンの期待値を最小限に抑えてネットワークをトレーニングする。
論文参考訳（メタデータ） (2022-11-09T00:18:01Z)
Dynamics of two-dimensional open quantum lattice models with tensor networks [0.0]
熱力学的極限に直接適用可能な無限射影ペア演算子(iPEPO)アンサッツに基づくテンソルネットワーク法を開発した。非平均場限界における散逸的逆量子イジングと駆動散逸型ハードコアボソンモデルを考える。提案手法は,既存の手法の適用範囲をはるかに超えながら,現在の実験に利用できる制度を研究できる。
論文参考訳（メタデータ） (2020-12-22T18:24:20Z)
Random Sampling Neural Network for Quantum Many-Body Problems [0.0]
本稿では,対話型多体システムのランダムサンプリング行列要素に対して,自己教師型学習手法を用いてパターン認識手法を用いたランダムサンプリングニューラルネットワーク(Random Smpling Neural Networks, RNN)を提案する。 RSNNの適用性をテストするために、横フィールドを持つIsingモデル、Fermi-Hubbardモデル、Spin-$1/2$$XXZ$モデルなど、正確に解決可能ないくつかの1Dモデルが使用されている。
論文参考訳（メタデータ） (2020-11-10T15:52:44Z)
Efficient construction of tensor-network representations of many-body Gaussian states [59.94347858883343]
本稿では,多体ガウス状態のテンソルネットワーク表現を効率よく,かつ制御可能な誤差で構築する手法を提案する。これらの状態には、量子多体系の研究に欠かせないボゾン系およびフェルミオン系二次ハミルトン系の基底状態と熱状態が含まれる。
論文参考訳（メタデータ） (2020-08-12T11:30:23Z)
Variational Monte Carlo calculations of $\mathbf{A\leq 4}$ nuclei with an artificial neural-network correlator ansatz [62.997667081978825]
光核の基底状態波動関数をモデル化するためのニューラルネットワーク量子状態アンサッツを導入する。我々は、Aleq 4$核の結合エネルギーと点核密度を、上位のピオンレス実効場理論から生じるものとして計算する。
論文参考訳（メタデータ） (2020-07-28T14:52:28Z)

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。