論文の概要: Scalable Distributed Memory Implementation of the Quasi-Adiabatic Propagator Path Integral

• arxiv url: http://arxiv.org/abs/2506.03127v1
• Date: Tue, 03 Jun 2025 17:56:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:35.978653
• Title: Scalable Distributed Memory Implementation of the Quasi-Adiabatic Propagator Path Integral
• Title（参考訳）: 準アディバティック・プロパゲータ・パス積分のスケーラブルな分散メモリ実装
• Authors: Roman Ovcharenko, Benjamin P. Fingerhut,
• Abstract要約: 本研究では,影響係数の粗粒化をマスク支援した分散メモリのスケーラブルな実装を提案する。 この方法は、複数の計算ノードのメモリリソースを利用して、新しいプリマージアルゴリズムによってメモリボトルネックを緩和する。 新しい実装の効率は、大規模な散逸型量子力学シミュレーションで実証されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The accurate simulation of dissipative quantum dynamics subject to a non-Markovian environment poses persistent numerical challenges, in particular for structured environments where sharp mode resonances induce long-time system bath correlations. We present a scalable distributed memory implementation of the Mask Assisted Coarse Graining of Influence Coefficients (MACGIC) - Quasi-Adiabatic Propagator Path Integral (-QUAPI) method that exploits the memory resources of multiple compute nodes and mitigates the memory bottleneck of the method via a new pre-merging algorithm while preserving numerical accuracy. The distributed memory implementation spreads the paths over the computing nodes by means of the MPI protocoll and efficient high level path management is achieved via an implementation based on hash maps. The efficiency of the new implementation is demonstrated in large-scale dissipative quantum dynamics simulations that account for the coupling to a structured non-Markovian environment containing a sharp resonance, a setup for which convergence properties are investigated in depth. Broad applicability and the non-perturbative nature of the simulation method is illustrated via the tuning of the mode resonance frequency of the structured environment with respect to the system frequency. The simulations reveal a splitting of resonances due to strong system-environment interaction and the emergence of sidebands due to multi-excitations of the bosonic mode that are not accounted for in perturbative approaches. The simulations demonstrate the versatility of the new MACGIC-QUAPI method in the presence of strong non-Markovian system bath correlations.
• Abstract（参考訳）: 非マルコフ環境下での散逸性量子力学の正確なシミュレーションは、特に急激なモード共鳴が長時間のシステム浴の相関を誘導する構造化環境において、永続的な数値的な問題を引き起こす。 本稿では,複数の計算ノードのメモリ資源を活用し,新しいプリマージアルゴリズムを用いてメモリボトルネックを軽減し,数値的精度を保ちながら,Mask Assisted Coarse Graining of Influence Coefficients (MACGIC) - Quasi-Adiabatic Propagator Path Integral (-QUAPI) 方式のスケーラブルな分散メモリ実装を提案する。 分散メモリの実装は、MPIプロトコルを用いて計算ノードに経路を広げ、ハッシュマップに基づく実装により効率的なハイレベルパス管理を実現する。 新しい実装の効率性は、シャープ共鳴を含む構造化された非マルコフ環境との結合を考慮に入れた大規模な散逸量子力学シミュレーションで実証される。 シミュレーション手法の広帯域適用性と非摂動特性は、システム周波数に関する構造化環境のモード共振周波数のチューニングによって説明される。 これらのシミュレーションは、強いシステム環境相互作用による共鳴の分裂と、摂動的アプローチでは説明できないボゾンモードの多重励起によるサイドバンドの出現を明らかにする。 シミュレーションにより, 強い非マルコフ系浴槽相関の存在下でのMACGIC-QUAPI法の有用性が示された。

関連論文リスト

• Denoising and Reconstruction of Nonlinear Dynamics using Truncated Reservoir Computing [0.0]
  本稿では,ノイズフィルタリングと非線形ダイナミクス再構築のための新しいReservoir Computing(RC)手法を提案する。 動的パラメータにおける雑音強度, 雑音周波数, および劇的なシフトの観点から, RCの性能について検討した。 演算器の冗長ノードとエッジをトラッピングすることで,デノナイジング性能が向上することが示されている。
  論文  参考訳（メタデータ） (2025-04-17T21:47:13Z)
• Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
  本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。 具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。 ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
  論文  参考訳（メタデータ） (2025-03-24T03:19:45Z)
• AMR-Transformer: Enabling Efficient Long-range Interaction for Complex Neural Fluid Simulation [33.63726923336252]
  本稿では,AMR-Transformerを提案する。 これは、Navier-Stokes制約を意識した高速刈取モジュールと、新しい適応メッシュリファインメントスキームを統合している。 提案手法は,ベースラインモデルよりも精度が向上する。
  論文  参考訳（メタデータ） (2025-03-13T11:16:42Z)
• Optimization of Iterative Blind Detection based on Expectation Maximization and Belief Propagation [29.114100423416204]
  ブロックフェーディング線形シンボルチャネルに対するブラインドシンボル検出法を提案する。 本研究では,研究予測アルゴリズムとユビキタスな信条伝搬アルゴリズムを組み合わせた共同チャネル推定・検出手法を設計する。 提案手法は,効率よく一般化したスケジュールを学習し,高信号対雑音シナリオにおけるコヒーレントBP検出よりも優れることを示す。
  論文  参考訳（メタデータ） (2024-08-05T08:45:50Z)
• A Novel A.I Enhanced Reservoir Characterization with a Combined Mixture of Experts -- NVIDIA Modulus based Physics Informed Neural Operator Forward Model [0.6282171844772422]
  我々は,貯水池履歴マッチングの課題を効果的に解決するために,貯水池のキャラクタリゼーションのための高度なワークフローを開発した。 この方法は、洗練されたクラスタ分類回帰フレームワークにおいて、フォワードモデルとして物理インフォームドニューラル演算子(PINO)を統合する。 我々の統合モデルはPINO-Res-Simと呼ばれ、圧力、飽和度、石油、水、ガスの生産速度を含む重要なパラメータを出力します。
  論文  参考訳（メタデータ） (2024-04-20T10:28:24Z)
• Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
  我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。 得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
  論文  参考訳（メタデータ） (2023-12-10T15:22:30Z)
• Distributionally Robust Model-based Reinforcement Learning with Large State Spaces [55.14361269378122]
  強化学習における3つの大きな課題は、大きな状態空間を持つ複雑な力学系、コストのかかるデータ取得プロセス、トレーニング環境の展開から現実の力学を逸脱させることである。 広範に用いられているKullback-Leibler, chi-square, および全変分不確実性集合の下で, 連続状態空間を持つ分布ロバストなマルコフ決定過程について検討した。 本稿では,ガウス過程と最大分散削減アルゴリズムを用いて,多出力名目遷移力学を効率的に学習するモデルベースアプローチを提案する。
  論文  参考訳（メタデータ） (2023-09-05T13:42:11Z)
• Guaranteed Conservation of Momentum for Learning Particle-based Fluid Dynamics [96.9177297872723]
  本稿では,学習物理シミュレーションにおける線形運動量を保証する新しい手法を提案する。 我々は、強い制約で運動量の保存を強制し、反対称的な連続的な畳み込み層を通して実現する。 提案手法により,学習シミュレータの物理的精度を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2022-10-12T09:12:59Z)

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。