論文の概要: Analytic toolkit for the Anderson model with arbitrary disorder

• arxiv url: http://arxiv.org/abs/2507.06903v1
• Date: Wed, 09 Jul 2025 14:43:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-11 16:40:15.114467
• Title: Analytic toolkit for the Anderson model with arbitrary disorder
• Title（参考訳）: 任意の障害を持つアンダーソンモデルに対する解析的ツールキット
• Authors: Oleg Evnin,
• Abstract要約: 1次元アンダーソンモデル(英: Anderson model in one dimension)は、近傍のホッピングとランダムなオンサイトポテンシャルを持つサイトの離散的な連鎖上の量子粒子である。 超対称性に基づく手法は、解が状態密度を制御する明示的な線形積分方程式を与えるために用いられる。
• 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: The Anderson model in one dimension is a quantum particle on a discrete chain of sites with nearest-neighbor hopping and random on-site potentials. It is a progenitor of many further models of disordered systems, and it has spurred numerous developments in diverse branches of physics. The literature is silent, however, on practical analytic tools for computing the density-of-states of this model when the distribution of the on-site potentials is arbitrary. Here, supersymmetry-based techniques are employed to give an explicit linear integral equation whose solutions control the density-of-states. The output of this analytic procedure is in perfect agreement with numerical sampling. By Thouless formula, these results immediately provide analytic control over the localization length.
• Abstract（参考訳）: 1次元アンダーソンモデル(英: Anderson model in one dimension)は、近傍のホッピングとランダムなオンサイトポテンシャルを持つサイトの離散的な連鎖上の量子粒子である。 混乱した系の多くのモデルの先駆者であり、物理学の様々な分野に多くの発展をもたらした。 しかし、文献は、オンサイトポテンシャルの分布が任意である場合、このモデルの密度を計算するための実用的な解析ツールについて沈黙している。 ここでは、超対称性に基づく手法を用いて、解が状態密度を制御する明示的な線形積分方程式を与える。 この解析手順の出力は、数値サンプリングと完全に一致している。 Thouless式により、これらの結果は直ちに局所化長を解析的に制御する。

関連論文リスト

• Advancing Wasserstein Convergence Analysis of Score-Based Models: Insights from Discretization and Second-Order Acceleration [5.548787731232499]
  スコアベース拡散モデルのワッサーシュタイン収束解析に着目する。 我々は、オイラー離散化、指数中点法、ランダム化法など、様々な離散化スキームを比較する。 局所線形化法に基づく加速型サンプリング器を提案する。
  論文  参考訳（メタデータ） (2025-02-07T11:37:51Z)
• Convergence of Score-Based Discrete Diffusion Models: A Discrete-Time Analysis [56.442307356162864]
  連続時間マルコフ連鎖(CTMC)に基づくスコアベース離散拡散モデルの理論的側面について検討する。 本稿では,事前定義された時間点におけるスコア推定値を利用する離散時間サンプリングアルゴリズムを一般状態空間$[S]d$に導入する。 我々の収束解析はジルサノフ法を用いて離散スコア関数の重要な性質を確立する。
  論文  参考訳（メタデータ） (2024-10-03T09:07:13Z)
• Topological Detection of Phenomenological Bifurcations with Unreliable Kernel Densities [0.5874142059884521]
  現象論的(P型)分岐は力学系の定性的変化である。 これらの分岐を検出する技術の現状は、システム実現のアンサンブルから計算される信頼性の高いカーネル密度推定を必要とする。 本研究では, 信頼できない密度推定を用いたP型分岐の検出手法を提案する。
  論文  参考訳（メタデータ） (2024-01-29T20:59:25Z)
• Geometric Neural Diffusion Processes [55.891428654434634]
  拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。 これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
  論文  参考訳（メタデータ） (2023-07-11T16:51:38Z)
• Solution to a class of multistate Landau-Zener model beyond integrability conditions [5.390814126989423]
  本研究では,積分性条件や標準手法では解けない多状態ランダウ・ツェナーモデルについて検討する。 パラメータ選択に対する遷移確率のほぼ正確な解析式を求める。 このモデルは、結合が時間的に線形に変化するSu-Schrieffer-Heeger鎖を記述することができることを示す。
  論文  参考訳（メタデータ） (2023-06-15T10:29:50Z)
• 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)
• Inverting brain grey matter models with likelihood-free inference: a tool for trustable cytoarchitecture measurements [62.997667081978825]
  脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。 我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。 次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
  論文  参考訳（メタデータ） (2021-11-15T09:08:27Z)
• Stochastic Approximation for Online Tensorial Independent Component Analysis [98.34292831923335]
  独立成分分析(ICA)は統計機械学習や信号処理において一般的な次元削減ツールである。 本稿では,各独立成分を推定する副産物オンライン時系列アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-12-28T18:52:37Z)
• Gaussian Process States: A data-driven representation of quantum many-body physics [59.7232780552418]
  我々は、絡み合った多体量子状態をコンパクトに表現するための、新しい非パラメトリック形式を示す。 この状態は、非常にコンパクトで、体系的に即効性があり、サンプリングに効率的である。 また、量子状態に対する普遍的な近似器として証明されており、データセットのサイズが大きくなるにつれて、絡み合った多体状態も捉えることができる。
  論文  参考訳（メタデータ） (2020-02-27T15:54:44Z)

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。