Fugu-MT 論文翻訳(概要): Variational subspace methods and application to improving variational Monte Carlo dynamics

論文の概要: Variational subspace methods and application to improving variational Monte Carlo dynamics

arxiv url: http://arxiv.org/abs/2507.08930v1
Date: Fri, 11 Jul 2025 18:00:01 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-15 18:48:21.873735
Title: Variational subspace methods and application to improving variational Monte Carlo dynamics
Title（参考訳）: 変分部分空間法と変分モンテカルロダイナミクス改善への応用
Authors: Adrien Kahn, Luca Gravina, Filippo Vicentini,
Abstract要約: 本稿では,部分空間の直接操作と最適化を可能にする形式について述べる。次に、変動力学の性能を改善する方法であるBridgeを紹介する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present a formalism that allows for the direct manipulation and optimization of subspaces, circumventing the need to optimize individual states when using subspace methods. Using the determinant state mapping, we can naturally extend notions such as distance and energy to subspaces, as well as Monte Carlo estimators, recovering the excited states estimation method proposed by Pfau et al. As a practical application, we then introduce Bridge, a method that improves the performance of variational dynamics by extracting linear combinations of variational time-evolved states. We find that Bridge is both computationally inexpensive and capable of significantly mitigating the errors that arise from discretizing the dynamics, and can thus be systematically used as a post-processing tool for variational dynamics.
Abstract（参考訳）: 本稿では,部分空間の直接操作と最適化を可能にし,部分空間法を用いる場合の個々の状態の最適化を回避したフォーマリズムを提案する。決定的状態マッピングを用いることで,距離やエネルギーといった概念を部分空間に自然に拡張し,Pfauらによって提案された励起状態推定法を復元し,変動時間進化状態の線形結合を抽出して変動力学の性能を向上させる手法であるBridgeを導入する。そこで,Bridgeは計算コストが低く,力学の離散化から発生する誤差を低減し,変動力学のポストプロセッシングツールとして体系的に使用できることがわかった。

関連論文リスト

Accelerate Neural Subspace-Based Reduced-Order Solver of Deformable Simulation by Lipschitz Optimization [9.364019847856714]
高DOFで物理シミュレーションを高速化する新しい手法として,低次シミュレーションがある。本稿では,最適化された部分空間マッピングの探索手法を提案する。準静的シミュレーションと動的シミュレーションの両方において,本手法の有効性を示す。
論文参考訳（メタデータ） (2024-09-05T12:56:03Z)
Adaptive variational low-rank dynamics for open quantum systems [0.0]
低エントロピーシステムの効率的なシミュレーションのための新しいモデル非依存手法を提案する。本研究は,本手法の汎用性と効率性を強調し,多種多様なシステムに適用可能であることを示す。
論文参考訳（メタデータ） (2023-12-21T08:57:41Z)
Online Variational Sequential Monte Carlo [49.97673761305336]
我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
論文参考訳（メタデータ） (2023-12-19T21:45:38Z)
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)
Predicting Ordinary Differential Equations with Transformers [65.07437364102931]
単一溶液軌道の不規則サンプリングおよび雑音観測から,スカラー常微分方程式(ODE)を記号形式で復元するトランスフォーマーに基づくシーケンス・ツー・シーケンス・モデルを開発した。提案手法は, 1回に一度, ODE の大規模な事前訓練を行った後, モデルのいくつかの前方通過において, 新たな観測解の法則を推測することができる。
論文参考訳（メタデータ） (2023-07-24T08:46:12Z)
Free-Form Variational Inference for Gaussian Process State-Space Models [21.644570034208506]
ベイズGPSSMにおける新しい推論法を提案する。本手法はハミルトニアンモンテカルロの誘導による自由形式変分推論に基づく。提案手法は, 競合する手法よりも, 遷移力学や潜伏状態をより正確に学習できることを示す。
論文参考訳（メタデータ） (2023-02-20T11:34:16Z)
Primal-dual regression approach for Markov decision processes with general state and action space [0.30458514384586394]
我々は,有限時間MDPを一般状態と行動空間で解くための回帰に基づく原始双対マーチンゲールアプローチを開発した。その結果,提案手法は値関数の高次および低次偏差近似の構築を可能にし,最適ポリシに対する厳密な近似を提供する。
論文参考訳（メタデータ） (2022-10-01T11:48:22Z)
Efficient Differentiable Simulation of Articulated Bodies [89.64118042429287]
本稿では, 音素の効率的な微分可能シミュレーション法を提案する。これにより、ボディダイナミクスを深層学習フレームワークに統合することが可能になる。提案手法を用いて, 調音システムによる強化学習を高速化できることを示す。
論文参考訳（メタデータ） (2021-09-16T04:48:13Z)
A Discrete Variational Derivation of Accelerated Methods in Optimization [68.8204255655161]
最適化のための異なる手法を導出できる変分法を導入する。我々は1対1の対応において最適化手法の2つのファミリを導出する。自律システムのシンプレクティシティの保存は、ここでは繊維のみに行われる。
論文参考訳（メタデータ） (2021-06-04T20:21:53Z)
Deformable Linear Object Prediction Using Locally Linear Latent Dynamics [51.740998379872195]
変形可能な物体(例えばロープ)の予測は、その非線形ダイナミクスと無限次元の構成空間のために困難である。我々は、将来の潜在状態を予測するのに使用できる局所線形なアクション条件付きダイナミクスモデルを学ぶ。我々は,本手法が将来10段階まで正確にロープ状態を予測できることを実証的に実証した。
論文参考訳（メタデータ） (2021-03-26T00:29:31Z)
Interpolation Technique to Speed Up Gradients Propagation in Neural ODEs [71.26657499537366]
本稿では,ニューラルネットワークモデルにおける勾配の効率的な近似法を提案する。我々は、分類、密度推定、推論近似タスクにおいて、ニューラルODEをトレーニングするリバースダイナミック手法と比較する。
論文参考訳（メタデータ） (2020-03-11T13:15:57Z)

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。